Académique Documents
Professionnel Documents
Culture Documents
Intitulé
GESTION INTÉGRÉE DES RESSOURCES EN EAU DE LA
WILAYA D’ORAN
Département HYDRAULIQUE
Spécialité Hydraulique
Option Hydraulique
Repose en paix.
i
REMERCIEMENTS
A l'issue de la rédaction de cette recherche, je suis convaincu que la thèse est loin d'être
un travail solitaire. En effet, je n'aurais jamais pu réaliser ce travail doctoral sans le soutien
d'un grand nombre de personnes dont la générosité, la bonne humeur et l'intérêt manifestés
à l'égard de ma recherche m'ont permis de progresser dans ce travail.
C’est donc avec émotion que je tiens, en ces quelques lignes, à exprimer ma
reconnaissance envers tous ceux qui, de près ou de loin, ont contribué à la réalisation de
cette thèse.
Mes remerciements vont aussi aux membres du jury, le Professeur CHERIF Med El
Amine de l’Université de Sciences et Technologie d’Oran (USTO) Président de jury, le
Professeur DJEDID Abdelkader de l’Université de Tlemcen et le Professeur MANSOUR Hamidi
de l’Université d’Es-Senia 2 d’Oran. Je veux les remercier pour le temps qu’ils ont accordé à
la lecture de cette thèse et pour l’honneur qu’ils me font de leurs remarques, de leur
attention et de leur présence.
Les mots me manquent pour remercier, à leur juste valeur, mon épouse Nihel et ma
petite fille Manoula qui ont su me supporter durant toutes ses longues années et qui m’ont
soutenu, encouragé et m’ont redonné confiance en moi dans les moments les plus difficiles.
ii
Je suis conscient que cela n’a pas été toujours facile pour eux de faire tous ces sacrifices. Je
remercie aussi ma belle-famille qui m’ont également encouragé et cru en moi.
Je remercie mes frères, Riad et ma belle-sœur Nahla, mes deux petites nièces Lyli et Fifi,
Mehdi le mystérieux, et Tarik le rêveur, pour leurs soutiens et encouragements.
Je veux également souligner le soutien amical et chaleureux de mes copains de tous les
jours qui m’ont soutenu durant ce parcours doctoral. Je m’abstiens de les nommer tellement
la liste est longue mais qui se reconnaitront ; je leur dis un grand merci.
Enfin je ne peux clore ces remerciements sans remercier mon père pour m’avoir, avec
Maman, permis avec leur abnégation et leur sacrifice, d’être là où je suis aujourd’hui. Tous
les mots au monde seront bien insuffisants pour vous exprimer toute ma gratitude.
iii
RESUME
La gestion des ressources en eau en situation de rareté est un domaine complexe faisant intervenir
plusieurs acteurs et plusieurs secteurs dans des relations interdépendantes mais avec des objectifs
souvent conflictuels. Cette complexité est exacerbée par les perspectives de changement climatique.
Les modèles climatiques montrent en effet que le réchauffement climatique affectera le volume des
précipitations et la fréquence des événements hydrologiques extrêmes, comme les inondations et les
sécheresses, et stimulera à la hausse les besoins des différents secteurs.
A cet effet, ce travail poursuit trois objectifs. Le premier est de fournir pour la région d’Oran les
éléments d’une gestion intégrée des ressources en eau en tant que cadre pour la planification,
l'organisation et l'exploitation des systèmes hydrologiques.
Le deuxième objectif de ce travail est d’étudier les dynamiques physiques qui contraignent
l’hydrosystème ainsi que les évolutions sociales et économiques et de présenter l’impact de ces
différents facteurs sur la demande et les ressources en eau dans un cadre formel unifié.
Le troisième objectif de ce travail est la prise en compte dans un cadre formalisé du changement
climatique car celui-ci exercera une pression supplémentaire sur la demande et la disponibilité de
l'eau dans la région.
La méthodologie utilisée pour répondre à ces objectifs repose à la fois sur la modélisation des
processus hydrologiques et des évolutions socioéconomiques et sur le recours aux méthodes de
réduction d’échelle des modèles climatiques de circulation globale.
Cette méthodologie nous a permis de procéder à des simulations d’impact, notamment du
changement climatique, et de mettre en évidence, dans une approche prospective, l’évolution de la
demande en eau des différents secteurs ainsi que le rythme d’exploitation des nappes souterraines
suivant différents scénarios. Elle nous a également permis, dans une perspective d’aide à la décision,
de présenter les voies d’atténuation des effets du changement climatique et de montrer notamment
que seul l’intégration du secteur agricole, actuellement découplé du reste de l’hydrosystème, permet
d’envisager une solution durable à la satisfaction des besoins en eau dans la région d’Oran.
Abstract
The management of water resources in a situation of scarcity is a complex area involving several
actors and sectors in interdependent relationships but with often conflicting objectives. This
complexity is exacerbated by the prospects for climate change. Climate models show that global
warming will affect the amount of rainfall and the frequency of extreme hydrological events, such as
floods and droughts, and will boost the needs of different sectors.
For this purpose, this work has three objectives. The first is to provide the elements of integrated
water resources management as a framework for the planning, organization and operation of
hydrological systems in the Oran region.
iv
The second objective of this work is to study the physical dynamics that constrain the hydrosystem
as well as the social and economic evolutions and to present the impact of these different factors on
the demand and the water resources in a unified formal framework.
The third objective of this work is to take into account the climate change in a formalized
framework because it will put additional pressure on the demand and availability of water in the
region.
The methodology used to achieve these objectives is based both on the modeling of hydrological
processes and socio-economic evolution and on the use of downscaling methods of global circulation
climate models.
This methodology allowed us to proceed to impact simulations, notably of climate change, and to
highlight, in a prospective approach, the evolution of the water demand of the various sectors as well
as the rate of exploitation of the aquifers according to different scenarios. It also allowed us, to
present some ways to mitigate the effects of climate change. We show in this context that it is only by
integrating the agricultural sector, currently decoupled from the rest of the hydrosystem, that we can
we consider the irrigation issue in the region from a perspective of long-term sustainability and lay
the foundations for a satisfaction of the water needs in the region of Oran.
Keywords: hydrological modeling, Water Management, Simulation, WEAP Model, Water
Resources, Water demand, Department of Oran.
ﻣﻠﺨﺺ
إن ﺗﺴﯿﯿﺮ اﻟﻤﻮارد اﻟﻤﺎﺋﯿﺔ ﻣﻦ ﺣﯿﺚ ﻧﺪرﺗﮭﺎ ھﻲ ﻣﺠﺎل ﻣﻌﻘﺪ ﺗﻨﻄﻮي ﻓﻲ ﻋﺪة ﻋﻮاﻣﻞ وﻋﺪة ﻗﻄﺎﻋﺎت ﻓﻲ ﻋﻼﻗﺎت ﻣﺘﺮاﺑﻄﺔ ‘ ﻟﻜﻦ ﻣﻊ
أھﺪاف ﻣﺘﻌﺎرﺿﺔ ﻓﻲ ﻛﺜﯿﺮ ﻣﻦ اﻷﺣﯿﺎن .وﯾﺘﻔﺎﻗﻢ ھﺬا اﻟﺘﻌﻘﯿﺪ ﺑﺴﺒﺐ وﺟﮭﺎت ﻧﻈﺮ ﺗﻐﯿﺮ اﻟﻤﻨﺎخ .ﺗﺒﯿﻦ اﻟﻨﻤﺎذج اﻟﻤﻨﺎﺧﯿﺔ ﺑـﺄن اﻻﺣﺘﺒﺎس
اﻟﺤﺮاري ﺳﯿﺆﺛﺮ ﻋﻠﻰ ﺣﺠﻢ اﻟﺘﺴﺎﻗﻄﺎت وﺗﻜﺮار اﻷﺣﺪاث اﻟﮭﯿﺪروﻟﻮﺟﯿﺔ اﻟﻘﺼﻮى‘ ﻣﺜﻞ اﻟﻔﯿﻀﺎﻧﺎت واﻟﺠﻔﺎف ‘ وﺳﯿﺤﺚ ﻋﻠﻰ ارﺗﻔﺎع
اﺣﺘﯿﺎﺟﺎت ﻣﺨﺘﻠﻒ اﻟﻘﻄﺎﻋﺎت.
ﻟﮭﺬا اﻟﻐﺮض ھﺬا اﻟﻌﻤﻞ ﯾﻌﺘﻤﺪ ﻋﻠﻰ ﺛﻼﺛﺔ أھﺪاف .اﻷول ﯾﻘﻮم ﺑﺘﻮﻓﯿﺮ ﻋﻨﺎﺻﺮ اﻟﺘﺴﯿﯿﺮ اﻟﻤﺘﻜﺎﻣﻞ ﻟﻠﻤﻮارد اﻟﻤﺎﺋﯿﺔ ﺑﺎﻋﺘﺒﺎرھﺎ إطﺎر ﻣﻦ
أﺟﻞ اﻟﺘﺨﻄﯿﻂ ‘ ﺗﻨﻈﯿﻢ واﺳﺘﻐﻼل اﻷﻧﻈﻤﺔ اﻟﮭﯿﺪروﻟﻮﺟﯿﺔ ﻓﻲ ﻣﻨﻄﻘﺔ وھﺮان.
اﻟﮭﺪف اﻟﺜﺎﻧﻲ ﻣﻦ ھﺬا اﻟﻌﻤﻞ ھﻮ دراﺳﺔ ﺣﺮﻛﯿﺔ اﻟﻮﺳﻂ اﻟﻔﯿﺰﯾﺎﺋﻲ اﻟﺬي ﯾﻘﯿﺪ اﻟﻨﻈﺎم اﻟﻤﺎﺋﻲ و اﻟﺘﻄﻮر اﻻﺟﺘﻤﺎﻋﻲ واﻻﻗﺘﺼﺎدي
وﻋﺮض ﺗﺄﺛﯿﺮ ﻣﺨﺘﻠﻒ ھﺬه اﻟﻌﻮاﻣﻞ ﻋﻠﻰ اﻟﻄﻠﺐ واﻟﻤﻮارد اﻟﻤﺎﺋﯿﺔ ﻓﻲ إطﺎر رﺳﻤﻲ ﻣﻮﺣﺪ.
اﻟﮭﺪف اﻟﺜﺎﻟﺚ ﻣﻦ ھﺬا اﻟﻌﻤﻞ ھﻮ اﻷﺧﺬ ﺑﻌﯿﻦ اﻻﻋﺘﺒﺎر ﻓﻲ إطﺎر رﺳﻤﻲ اﻟﺘﻐﯿﺮات اﻟﻤﻨﺎﺧﯿﺔ ﻷﻧﮭﺎ ھﻲ اﻟﺘﻲ ﺳﺘﻌﻄﻲ اﻟﻀﻐﻂ
اﻹﺿﺎﻓﻲ ﻋﻠﻰ اﻟﻄﻠﺐ وإﻣﻜﺎﻧﯿﺔ ﺗﻮﻓﯿﺮ اﻟﻤﯿﺎه ﻓﻲ اﻟﻤﻨﻄﻘﺔ.
اﻟﻄﺮﯾﻘﺔ اﻟﻤﺴﺘﻌﻤﻠﺔ ﻟﻺﺟﺎﺑﺔ ﻋﻠﻰ ھﺬه اﻷھﺪاف ﺗﺮﺗﻜﺰ ﻋﻠﻰ ﻧﻤﺬﺟﺔ اﻟﻌﻮاﻣﻞ اﻟﮭﯿﺪروﻟﻮﺟﯿﺔ واﻟﺘﻄﻮرات اﻻﺟﺘﻤﺎﻋﯿﺔ-اﻻﻗﺘﺼﺎدﯾﺔ
ﺑﺎﻟﻠﺠﻮء إﻟﻰ اﺳﺘﺨﺪام طﺮق ﺗﻘﻠﯿﺺ اﻟﻨﻤﺎذج اﻟﻤﻨﺎﺧﯿﺔ ﺑﺸﻜﻞ إﺟﻤﺎﻟﻲ.
وﻗﺪ أﺗﺎﺣﺖ ﻟﻨﺎ ھﺬه اﻟﻤﻨﮭﺠﯿﺔ إﺟﺮاء ﻋﻤﻠﯿﺎت ﻣﺤﺎﻛﺎة اﻷﺛﺮ ،ﺑﻤﺎ ﻓﻲ ذﻟﻚ ﺗﻐﯿﺮ اﻟﻤﻨﺎخ ‘ وﺗﺴﻠﯿﻂ اﻟﻀﻮء ،ﻓﻲ إطﺎر ﻧﻈﺮة ﻣﺴﺘﻘﺒﻠﯿﺔ،
ﻋﻠﻰ ﺗﻄﻮر اﻟﻄﻠﺐ ﻋﻠﻰ اﻟﻤﯿﺎه ﻓﻲ اﻟﻘﻄﺎﻋﺎت اﻟﻤﺨﺘﻠﻔﺔ ،وﻛﺬﻟﻚ ﻣﻌﺪل اﺳﺘﻐﻼل اﻟﻤﯿﺎه اﻟﺠﻮﻓﯿﺔ ﻓﻲ إطﺎر ﺳﯿﻨﺎرﯾﻮھﺎت ﻣﺨﺘﻠﻔﺔ .وﻗﺪ ﻣﻜﻨﺘﻨﺎ
أﯾﻀﺎ ،ﻣﻦ إﻋﻄﺎء وﺟﮭﺔ ﻧﻈﺮ ﻻﺗﺨﺎذ اﻟﻘﺮار ،ﻣﻦ ﺗﻘﺪﯾﻢ طﺮق ﻟﻠﺘﺨﻔﯿﻒ ﻣﻦ آﺛﺎر ﺗﻐﯿﺮ اﻟﻤﻨﺎخ وﻹظﮭﺎر ﺧﺎﺻﺔ ﺑﺄن إدﻣﺎج اﻟﻘﻄﺎع اﻟﺰراﻋﻲ
وﺣﺪه ،اﻟﺬي ﯾﻔﺼﻞ ﺣﺎﻟﯿﺎ ﻋﻦ ﺑﻘﯿﺔ اﻟﻨﻈﺎم اﻟﻤﺎﺋﻲ ،ﺗﺴﻤﺢ ﻟﻠﺘﻮﺻﻞ إﻟﻰ ﺣﻞ داﺋﻢ ﻟﺘﻠﺒﯿﺔ اﺣﺘﯿﺎﺟﺎت اﻟﻤﯿﺎه ﻓﻲ ﻣﻨﻄﻘﺔ وھﺮان.
اﻟﻛﻠﻣﺎت اﻟﻣﻔﺗﺎﺣﯾﺔ :اﻟﻧﻣذﺟﺔ اﻟﮭﯾدروﻟوﺟﯾﺔ ,ادارة اﻟﻣﯾﺎه ,ﻧﻣوذج , WEAPاﻟﻣوارد اﻟﻣﺎﺋﯾﺔ ،,وﻻﯾﺔ وھران.
v
LISTE DES ABREVIATIONS
vi
TABLE DES MATIERES
vii
1.2.2.1.2 La station de déminéralisation ‘Brédéah’ __________________________________ 23
1.2.2.1.3 Les stations de dessalement d’eau de mer « Les Dunes et Bousfer » ____________ 23
1.2.2.1.4 La station de dessalement de ‘Chatt el Hilal’ _______________________________ 23
1.2.2.1.5 La station de dessalement de la Mactâa ___________________________________ 24
1.2.2.2 Les infrastructures d’épuration de la wilaya d’Oran________________________________ 24
1.2.2.2.1 Station d’épuration du Groupement Urbain d’Oran d’El Karma ________________ 24
1.2.2.2.2 Station d’épuration de Ain El Turck _______________________________________ 24
1.2.2.2.3 Station d’épuration de Béthioua (en cours de réalisation)_____________________ 24
viii
CHAPITRE 3. LA PREVISION DE LONG TERME DES CHANGEMENTS CLIMATIQUES
DANS LA WILAYA D’ORAN _____________________________________________ 58
INTRODUCTION __________________________________________________________ 59
3.1. LA PREVISION DU CHANGEMENT CLIMATIQUE DANS LA WILAYA D’ORAN:
L’APPROCHE STATISTIQUE __________________________________________________ 62
3.1.1. DESCRIPTION DE L’APPROCHE STATISTIQUE __________________________________ 62
3.1.2. LE MODELE STATISTIQUE DE PREVISION DES VARIABLES CLIMATIQUES ____________ 64
3.1.2.1. Stationnarisation des séries climatiques_________________________________________ 64
3.1.2.2. Identification du modèle _____________________________________________________ 66
3.1.2.3. Estimation du modèle _______________________________________________________ 68
3.1.2.4. La validation du modèle. _____________________________________________________ 68
3.2.2. UNE MODÈLISATION DE BASE DU SYSTEME CLIMATIQUE: LES MODÈLES BASÉS SUR
L’ENERGIE (EBM) _____________________________________________________________ 79
3.2.2.1. Rappels de quelques caractéristiques du rayonnement ____________________________ 80
3.2.2.2. Présentation du modèle EBM sans dimension ____________________________________ 82
3.2.2.2.1. La structure du modèle ________________________________________________ 82
3.2.2.2.2. La balance radiative ___________________________________________________ 83
a. La détermination de l’absorption Ein ______________________________________ 84
b. La détermination de l’émission Eout _______________________________________ 85
3.2.2.2.3. L’équilibre radiatif des modèles EBM _____________________________________ 86
3.2.2.2.4. La validation du modèle EBM ___________________________________________ 86
a. Une simulation de la température d’équilibre. _______________________________ 86
b. Les limites du modèle ___________________________________________________ 87
3.2.2.3. L’intégration de la dimension verticale dans un modèle EBM: le modèle de Neulin (2010) et
Stocker (2011) à une dimension ______________________________________________________ 89
3.2.2.3.1. Structure d’un modèle EBM à dimension verticale : les hypothèses _____________ 89
3.2.2.3.2. L’équilibre radiatif du modèle et la formulation mathématique de l’effet de serre _ 90
a. L’équilibre radiatif ______________________________________________________ 90
b. L’effet de serre naturel : une première approximation _________________________ 92
ix
3.2.2.3.3. Le modèle à deux couches atmosphérique : la mise en évidence d’un gradient
thermique vertical _____________________________________________________________ 94
3.2.2.3.4. La validité du modèle climatique EBM à une dimension verticale : le prolongement
radiatif-convectif ______________________________________________________________ 98
a. Les limites du modèle EBM à une dimension_________________________________ 98
b. L’ajustement convectif: les modèles radiatifs-convectifs _______________________ 99
x
3.3.5.3. La détermination de la fonction de transfert : forme, calibrage et validation. Le cas des
températures ____________________________________________________________________ 126
3.3.5.3.1. La forme de la fonction de transfert _____________________________________ 126
3.3.5.3.2. La sélection des prédicteurs ࢄdes températures __________________________ 127
3.3.5.3.3. Le calibrage des paramètres de la fonction de transfert des températures ______ 130
a. Le calibrage des paramètres de températures moyennes et sa précision _________ 130
b. Le calibrage des températures maximales et minimales_______________________ 133
3.3.5.3.4. La validation du modèle calibré des températures__________________________ 133
a. La validation interne du calibrage des fonctions de transfert des températures____ 134
La validation interne de la fonction de transfert des températures moyennes __ 134
La validation interne des températures extrêmales. _______________________ 135
b. La validation externe des températures____________________________________ 136
La validation externe des températures moyennes________________________ 136
La validation externe des températures extrêmales _______________________ 137
3.3.5.4. La détermination de la fonction de transfert: forme, calibrage et validation : le cas des
précipitations ____________________________________________________________________ 138
3.3.5.4.1. Formes de la fonction de transfert et sélection des prédicteurs _______________ 138
3.3.5.4.2. Calibrage de la fonction de transfert _____________________________________ 139
3.3.5.4.3. Validation interne et externe du calibrage des paramètres des précipitations____ 139
3.3.5.5. Les prévisions de changement climatique dans la Wilaya d’Oran par réduction d’échelle des
GCM : 2011-2099 _________________________________________________________________ 141
3.3.5.5.1. Les hypothèses ______________________________________________________ 142
3.3.5.5.2. Quelques caractéristiques du modèle HadCM3 utilisé. ______________________ 142
3.3.5.5.3. Les scénarios étudiés _________________________________________________ 143
3.3.5.5.4. Les simulations d’impact des scénarios climatiques A2 et B2 sur la région d’Oran_ 145
a. Les prévisions de températures __________________________________________ 146
Les températures moyennes__________________________________________ 146
Les températures extrêmes __________________________________________ 148
b. Les prévisions des précipitations _________________________________________ 150
xi
4.3.2. L’AGGRAVATION DES DEFICITS DES RESSOURCES PAR LE CHAGEMENT CLIMATIQUE :
UNE EVALUATION ___________________________________________________________ 169
4.3.3. L’ATTENUATION DE L’IMPACT NEGATIF DES CHANGEMENTS CLIMATIQUES _______ 171
4.3.3.1. La réduction des prélèvements des nappes par suite de l’intégration de la STEP _______ 173
4.3.3.2. La croissance des superficies irriguées _________________________________________ 174
BIBLIOGRAPHIE_____________________________________________________ 181
xii
LISTE DES FIGURES
xiv
Figure 51: Comparaison des prévisions de températures moyennes annuelles par scénarios
________________________________________________________________________ 147
Figure 52: Comparaison des prévisions de températures moyennes par scénarios et par
saison___________________________________________________________________ 148
Figure 53: Evolution des températures annuelles maximales: 2011-2099 ______________ 149
Figure 54: Evolution des températures annuelles minimales: 2011-2099 ______________ 149
Figure 55: Evolution des précipitations journalières moyennes dans la région d’Oran (mm/j) :
2010-2099 _______________________________________________________________ 151
Figure 56: Comparaison des prévisions de précipitations journalières moyennes par scénarios
(mm/j) __________________________________________________________________ 152
Figure 57 : Comparaison des prévisions de changement climatique dans la région d’Oran
suivant les différentes approches (Box-Jenkins/SDSM_HadCM3)_____________________ 154
Figure 58 : Schématisation du modèle simple pluie-débit __________________________ 157
Figure 59 : Structure du modèle pluie-débit à deux réservoirs utilisé__________________ 159
Figure 60 : Relation entre le rapport entre (Evapotranspiration effective/Evapotranspiration
potentielle) et le contenu en humidité du sous-sol ________________________________ 161
Figure 61 : Synthèse de l’évolution de la demande en eau par grands secteurs hydrologiques :
2014-2050 _______________________________________________________________ 168
Figure 62 : Changement climatique et évolution de la demande en eau de l’agriculture __ 170
Figure 63 : Evolution du volume d’eau traité par la STEP : 2017 _____________________ 172
Figure 64 : Structure du système hydrologique de la région d’Oran __________________ 173
Figure 65 : Evolution des rejets vers la mer des eaux de la STEP – 2017-2050___________ 175
Figure 66 : Evolution des rejets de la STEP à la mer – scénario : accroissement des superficies
irriguées_________________________________________________________________ 176
Figure 67 : Recouvrement des sites utilisateurs de la STEP _________________________ 176
xv
LISTE DES TABLEAUX
xvi
Tableau 27: Corrélation entre les prédicteurs du NCEP/NCAR retenus et les températures
moyennes dans la région d’Oran (1980-2001) ___________________________________ 129
Tableau 28: Corrélation entre les prédicteurs du NCEP/NCAR retenus et les températures
maximales et minimales dans la région d’Oran (1980-2001) ________________________ 130
Tableau 29: Calibrage des paramètres de la fonction de transfert ___________________ 132
Tableau 30: Calibrage des paramètres de la fonction de transfert des températures
extrêmales _______________________________________________________________ 133
Tableau 31: Corrélation entre les prédicteurs du NCEP/NCAR retenus et les précipitations
(1980-2001) ______________________________________________________________ 138
Tableau 32: Calibrage des paramètres du Modèle journalier des précipitations_________ 139
Tableau 33 : Quelques données sur le modèle de circulation globales HadCM3 _________ 143
Tableau 34: Aperçu de quelques forces motrices et des émissions de CO2 en 1990, 2020, 2050
et 2100 dans les scénarios du SRES ____________________________________________ 144
Tableau 35: Prévisions de température par décades et saisons: Scénario A2 ___________ 147
Tableau 36: Prévisions de température par décades et saisons: Scénario B2 ___________ 148
Tableau 37: Projections des températures maximales moyennes par saison ___________ 150
Tableau 38: Projections des températures minimales moyennes par saison____________ 150
Tableau 39: Prévisions des précipitations (mm/j) par décades et saisons: Scénario A2 ___ 152
Tableau 40: Prévisions des précipitations (mm/j) par décades et saisons: Scénario B2____ 152
Tableau 41 : Evolution moyenne et croissance de la demande en eau du secteur agricole sous
différents scénarios d’évolution climatique (millions de m3) ________________________ 170
Tableau 42 : Evolution du taux d’exploitation des nappes souterraines par scénario : 2020-
2050____________________________________________________________________ 171
Tableau 43 : Evolution du volume d’eau traité destiné à l’industrie et celui rejeté à la mer (en
millions de m3)____________________________________________________________ 172
Tableau 44 : Différence de prélèvement après Intégration de la STEP – (millions de m3)__ 174
xvii
INTRODUCTION GENERALE
Contexte du travail
L'eau est de plus en plus considérée comme une ressource rare. L'un des principes de
la «Déclaration de Dublin», adoptée depuis plusieurs années déjà, stipule que l'eau est une
ressource à quantité limitée et vulnérable tout en étant essentielle à la vie, au
développement et à l'environnement. Plus récemment, les modèles climatiques ont montré
que le réchauffement climatique pourrait exercer davantage de pression sur la disponibilité
de l'eau en affectant le volume des précipitations et la fréquence des événements
hydrologiques extrêmes, comme les inondations et les sécheresses (Parry et al., 2007).
Cette pénurie d'eau induite par le changement climatique n'est pas uniformément
répartie à travers le monde. Des effets négatifs sont attendus dans les régions déjà arides ou
dans les pays en développement qui ne disposent pas des technologies et des infrastructures
nécessaires à la mobilisation des ressources en eau. Ainsi, aux alentours de 2020, entre 75 et
250 millions de personnes seront exposées à une augmentation du stress hydrique due au
changement climatique dans le continent africain (Pachauri et Reisinger, 2007). Selon Arnell
(2004: 43) la population sujette à un risque d’augmentation du stress hydrique en Afrique du
Nord sera d’environ de 48 millions de personne vers 2025. Dans la meme lignée, Tubiello
and Fischer (2007: 1031) affirment que : “A consensus has emerged that developing
countries are more vulnerable to climate change than developed countries, because of the
predominance of agriculture in their economies, the scarcity of capital for adaptation
measures, their warmer baseline climates, and their heightened exposure to extreme
events.”
L’Algérie se trouve ainsi parmi les pays où le changement climatique tendra à réduire
les disponibilités en ressources en eau d’une part, et d’autre part à stimuler à la hausse les
besoins en eau des différents secteurs. Cette situation, si elle n’est pas anticipée, risque
d’être une source de tensions insupportables sur les ressources hydrologiques dans le long
1
terme. C’est cette préoccupation qui est à l’origine de ce travail de thèse sur la prospective
du climat et sur ses multiples effets sur l’hydrosystème.
L’objectif principal de ce travail est de fournir les éléments d’une gestion intégrée des
ressources en eau en tant que cadre pour la planification, l'organisation et l'exploitation des
systèmes hydrologiques. En effet, ce cadre est la réponse aux défis tant du changement
climatique que de la croissance de la population et un moyen de contribuer à la réduction de
l'écart entre la disponibilité limitée de l'eau et la croissance de la demande des différents
secteurs utilisateurs (Grigg, (2008: 282) ; Yebdri (2007) ; Yebdri et al. (2007)). Ceci est
particulièrement important pour l’Algérie dont les ressources en eau sont limitées et
risquent encore de l’être davantage durant les prochaines décennies.
― L’étude de l’évolution des besoins en eau des différents secteurs que ce soit les
ménages, l’agriculture ou les industries,
Cependant, une gestion intégrée des ressources en eaux est un processus complexe à
cause des interconnexions entre les dynamiques physiques qui contraignent l’hydrosystème
(climat, topographie, nature des sols, hydrologie des eaux de surface et souterraines,…) et
les dynamiques socio-économiques qui déterminent tant les priorités dans la satisfaction des
demandes des différents utilisateurs que la nature des sources d’approvisionnement.
Comme le relèvent Yates et al. (2005), cette complexité dans la gestion des ressources en
eau a souvent conduit les auteurs, à aborder séparément (i) d’un côté la gestion de la
demande en eau des différents sites de demande1 et, (ii) de l’autre côté, l’étude des
processus hydrologiques dans les bassins versants qui déterminent en grande partie le
1
Cf. notamment Westcott (2004) ou Khatri et Vairavamoorthy (2009).
2
volume des ressources en eau mobilisables. Le deuxième objectif de ce travail est alors, en
suivant Yates et al. (2005), de contribuer à traiter ces deux questions dans un cadre formel
unifié permettant ainsi de prendre en compte les interactions entre les différents niveaux de
l’hydrosystème.
Notre étude porte sur la région d'Oran, la deuxième province d'Algérie et une grande
métropole méditerranéenne. Cette région est fortement impliquée dans notre
problématique pour de nombreuses raisons. Tout d'abord, l'expansion de sa population, ses
défis de développement dans l’agriculture et l’industrie et la faible densité de son réseau
hydrographique entraînent un écart croissant entre l'évolution rapide de la demande d'eau
et le faible potentiel de cette région pour la mobilisation des ressources en eaux
conventionnelles. Deuxièmement, le système hydrologique actuel dans la région se
caractérise par une mobilisation sous-optimale des ressources en eau en raison du
découplage de l'irrigation du reste des autres secteurs. Enfin, le changement climatique
exercera une pression supplémentaire sur la demande d'eau et la disponibilité de l'eau dans
cette région et va probablement exacerber le stress sur le système hydrologique (Bouklia-
Hassane et al. ; 2016).
Cependant, malgré cette vulnérabilité de la région d’Oran, peu d'études ont été
consacrées à la capacité de cette région à assurer la satisfaction des besoins en eau des
différents utilisateurs. Il est cependant indispensable de faire référence au moins à deux
études importantes qui ont abordé la problématique de la gestion intégrée des ressources
en eau dans la région Ouest de l’Algérie que sont les contributions de Abed et al. (2011) et
de Hamlat et al. (2012).
La méthodologie adoptée
3
Par ailleurs, nous avons également eu recours aux méthodes statistiques qui ont été
utilisées pour certaines projections climatiques ou pour la réduction d’échelle des modèles
de circulation globale.
Dans ce cadre, nous avons utilisé plusieurs logiciels (i) le modèle WEAP (Water
Evaluation and Planing System) un outil essentiel de résolution des problèmes de
planification des ressources et d’évaluation des besoins en eau, (ii) le logiciel SDSM
(Statistical DownScaling Model) afin de réduire à l’échelle de la région d’Oran les résultats
des modèles de circulation globale, (iii) ainsi que des logiciels de traitement des données
pour la prévision des variables climatiques par des méthodes statistiques.
Le plan de la thèse
Le premier chapitre présente la région d’étude, la région d’Oran, dans ses différentes
dimensions notamment hydrologiques et climatiques et décrit les ressources hydrauliques
de la wilaya d’Oran tant conventionnelles que non conventionnelles ainsi que les
infrastructures dont la région est dotée.
4
Dans le troisième chapitre qui est au cœur de ce travail, on relâche l'hypothèse de
variables climatiques stationnaires pour étudier les possibilités de changement climatique
dans l’hydrosystème. L’objectif de ce chapitre est la réalisation de projections climatiques
afin de prévoir l’évolution des températures et des précipitations dans la région d’Oran à
l’horizon 2050. Pour cela, on a eu recours à deux méthodes de projections :
Enfin, dans un quatrième et dernier chapitre, on étudie dans une première étape
l’impact du changement climatique, mis en évidence dans le chapitre précédent, sur le
déficit en ressources hydrologique de la région d’Oran. On montre que le changement
climatique accroit la pression sur la disponibilité des ressources en eau dans la région. Cet
impact négatif passe par deux canaux : du côté de la demande, les changements de
température affectent l'évapotranspiration potentielle tandis que, du côté de l'offre, des
changements de précipitation affectent à la baisse l'approvisionnement en eau des nappes
souterraines ainsi que le ruissellement de surface.
On montre dans une deuxième étape que c’est seulement par une plus grande
intégration des secteurs de l’AEP et de l’agriculture, actuellement découplés, qu’on peut
envisager une solution à long terme à l’approvisionnement en eau et à la question de
l’irrigation dans la région d’Oran.
5
CHAPITRE 1. PRESENTATION DE
LA WILAYA D’ORAN
6
1.1 LES CARACTERISTIQUES GENERALES DE LA WILAYA
1.1.1 LA LOCALISATION GEOGRAPHIQUE
Oran est la deuxième ville d’Algérie et une des plus importantes métropoles du
Maghreb. C'est une ville portuaire de la Méditerranée, située au Nord-Ouest du pays, à
432 km de la capitale Alger et le chef-lieu de la Wilaya du même nom, en bordure du golfe
d'Oran (figure 1).
La wilaya d’Oran s’étend sur une superficie de 2144 km2. En général, le relief oranais
est composé de deux types de formation géomorphologique : les plaines littorales (Bousfer,
Andalouses) et sublittoral (Boutlelis, Misserghin, Es-Senia, Hassi-Mefsoukh) et les massifs
côtiers. Ces derniers forment une chaine montagneuse discontinue qui s’étend du Sud
Ouest au Nord Est. Ils se dressent en véritable barrière naturelle assurant une protection
contre la violence des vents marins du Nord-Est. Les plaines occupent enivrons 70% de la
superficie totale de la wilaya : ce sont des terres fertiles qui communiquent avec la cote des
baies d’Oran et d’Arzew.
La wilaya d'Oran est divisée en neufs Daïras sur lesquelles se répartissent vingt-six
communes. Elle fait partie de l’Agence de Bassin de la Région Oranie-Chott Chergui. Le
découpage administratif est le suivant (SOGREAH, 2009):
7
― Arzew : communes d'Arzew, Sidi Benyebka ;
― Bir El Djir : communes de Bir El Djir, Hassi Bounif, Hassi Ben Okba ;
M ARSAT EL HADJADJ
GDYEL AIN BIYA
HASSI M EFSOUKH
AIN EL TURK BIR EL DJIR
HASSI BEN OKBA BETHIOUA
M ERS EL KEBIR BEN FREHA
BOUSFER HASSI BOUNIF
EL ANCOR ORAN
SIDI CHAM I
AIN KERM A ES SENIA BOUFATIS
EL BRAYA
BOUTLELIS EL KARM A
OUED TLELAT
M ISSERGHIN
TAFRAOUI
1.1.1.2 La démographie
8
1.1.2 CARACTERISTIQUES HYDROLOGIQUES DE LA WILAYA
D’ORAN
La Wilaya d’Oran est entourée des plaines de Brédéah et de la M’Léta. Toute cette
zone est située en contrebas des Monts du Tessala.
― le sous bassin versant côtier d'Ain Turk (SBV 0403) situé à l’ouest et sur le versant
nord du Djebel du Murdjadjo,
― le sous bassin versant de la Sebkha d'Oran (SBV 0404) qui est un bassin endoréique
qui a la particularité d’avoir une ressource en eau superficielle riche en sel,
Comme le montre la carte ci-dessous des sous-bassins versants (figure 3), ces trois sous
bassins constituent le SBV des côtiers oranais (Code 04). On voit également qu’une grande
partie de la Wilaya appartient au bassin endoréique de la Sebkha d’Oran.
La Wilaya d’Oran présente plusieurs zones humides dont la plus importante est la
grande sebkha d’Oran qui s’étend sous une forme allongée du Nord – Est au Sud – Ouest et
qui, avec une superficie de 296 Km2, occupe le 1/6 du territoire de la wilaya d’Oran. Outre la
Sebkha, les autres zones humides importantes sont les Salines d’Arzew et le lac Telamine. Le
tableau ci-dessous (Tableau 1) présente la localisation et les caractéristiques de l’ensemble
de ces zones : (Direction Générale des Forêts, 2007).
9
Figure 3 : Localisation des bassins et sous bassins versants de la Wilaya d’Oran (SOGREAH 2009)
10
Tableau 1: Caractéristiques des zones humides de la Wilaya
Superficie
Code Nom Zones Superficie du
Wilaya Bassin Versant Qualité de l’eau
S/Bassin Humides lac (km2) 2
(km )
Ain
0404 192,4 Forte Salinité
Témouchent Sebkha
0404 Oran 103,6 Forte Salinité
S/Total - Sebkha 296 1 878 Forte Salinité
Daiat Oum El
0404 Oran 3 Saumâtre/polluée
Rhelaz
0404 Oran Daiat M’Hamed 0,375 Eaux polluée
0405 Oran Lac Telamine 11 Salée/polluée
TOTAL 06 341 -
Les principaux oueds de la Wilaya sont Oued Tlelat, alimentant la sebkha d’Oran,
Oued Beggoug et Oued Guessiba. L’Oued Beggoug appartenant au sous-bassin versant cotier
d’Ain turck (Code 0403) situé sur le versant nord du Djebel du Murdjajo comporte une
retenue collinaire. L’Oued Guessiba qui appartient au sous-bassin versant des salines
d’Arzew (Code 0405) situé au nord-est de la Wilaya contient la deuxième retenue collinaire
de la Wilaya.
Il faut signaler que les enquêtes communales ont montré qu’aucun pompage sur
oued ou à partir d’autres points d’eau naturels n’est à relever. Cela s’explique par le fait que
le réseau hydrographique de la Wilaya est très peu développé et que les points d’eau
naturels sont, soit saumâtres (Sebkha d’Oran et Saline d’Arzew), soit très pollués (Lac de
Telamine).
11
1.1.3 APERÇU GEOLOGIQUE DES SOUS BASSINS VERSANTS
A-1/ Sous bassin: la plaine de M’léta appartient au sous bassin versant de la Sebkha d’Oran
(0404) .
A-2/ Limites et extension : la plaine de M’léta est limitée au Nord par la Sebkha d’Oran, au
Sud par les monts du Tessala, à l’Est par la plaine de Habra-Sig et par la région de Hammam
Bouhadjar-Ain Larbaa à l’Ouest.
A-3/ Aperçu géologique : la plaine de la M’léta est une plate-forme dépressionnaire orientée
Est-Ouest, constituée de dépôts terrigènes provenant de l’érosion des montagnes bordières
du Tessala et des dépôts éoliennes. Elle appartient au contexte structural du grand sillon
occupé par la grande Sebkha d’Oran prolongement du géosynclinal du Chéliff où se sont
accumulés des sédiments d’abord au Néogène puis au Pléistocène et à l’Holocène,
atteignant jusqu’à 3000 mètres d’épaisseur par endroits (ANRH, 2009).
Les reliefs bordant le sud de la plaine sont formés de terrains sédimentaires du Miocène,
émergés et très tectonisé, adossés contre l’Eocène l’Oligocène et le crétacé.
B-1/ Sous bassin: La foret de M’sila appartient au sous bassin de la Sebkha d’Oran (0404) et
côtiers les Andalouses (0403)
B-2/ Limites et extension : cette unité est située dans la zone montagneuse au Nord de la
Sebkha d’Oran. Elle est située au sud de la plaine côtière Oranaise et par sa bordure Sud-Est,
elle s’appuie sur l’unité hydrogéologique du Flanc Sud du Murdjadjo.
B-3/ Aperçu géologique : la structure géologique de cette unité est caractérisée par deux
termes géologiques : grès du Pliocène supérieur (Astien/plaisancien supérieur) au niveau de
la partie Sud-ouest de l’unité tandis que sa partie Nord-est est caractérisée par des schistes
12
plus ou moins calcaires et quartzites et calcschistes à faunes du jurassique sup- Crétacé
inferieur (ANRH, 2009).
C-1/ Sous bassin: le flanc sud du Murdjadjo appartient au sous bassin de la Sebkha d’Oran
(0404).
C-2/ Limites et extension : cette unité géologique comprend la bordure Nord de la Sebkha
d’Oran sur le territoire de la plaine de Brédéah et la partie sud du Djebel Murdjadjo. Elle est
limitée au sud par Sebkha d’Oran, au Nord-Ouest par l’unité Foret de M’Sila, et à l’Est par le
plateau d’Oran.
C-3/ Aperçu géologique : la structure géologique de cette unité est caractérisée par deux
unités importantes à savoir les dépôts alluviaux dans la zone de la Sebkha dans la partie Sud
et les calcaires du Miocène supérieur occupant la plus grande partie de la moitié Nord de
l’unité. Son extrémité Nord est composée de schistes plus ou moins calcaires, quartzites et
calcschistes à faunes du jurassique sup-Crétacé inferieur (ANRH, 2009).
D-1/ Sous bassin : Elle appartient au sous bassin du côtiers les Andalouses (0403).
D-2/ Limites et extension : la plaine est limitée au Nord par la mer Méditerranée, au Sud par
le Massif du Murdjadjo, à l’Ouest par les vallonnements de Sidi Hamadi et à l’Est par le
Djebel Santon.
D-3/ Aperçu géologique : la plaine est constituée par les formations dunaires consolidées,
quelques lumachelles, poudingues et grès Calabrien, et sables, graviers et argiles
quartenaires (ANRH, 2009).
E-1/ Sous bassin: le plateau d’Oran appartient au sous bassin de la Sebkha d’Oran (0404) et
de la Sebkha d’Arzew (0405)
E-2/ Limites et extension : la plaine est limitée au Nord par la mer méditerranée, au Sud par
la Sebkha d’Oran, à l’Ouest Flanc Sud du Murdjadjo et le Plateau des Hassis à l’Est.
13
E-3/ Aperçu géologique : le plateau est constitué par les alluvions actuelles et récents,
sables, graviers et argiles, et grès Calabrien en dessous (ANRH, 2009).
F-1/ Sous bassin: Ils appartiennent au sous bassin Sebkha d’Arzew (0405)
F-2/ Limites et extension : les Monts sont limités au Nord par la mer Méditerranée et par le
Plateau des Hassis au sud.
F-3/ Aperçu géologique : Cette unité est dans sa grande partie composée du complexe de
Schistes plus ou moins calcaires et quartzites et calcschistes à faunes du jurassique supérieur
Crétacé inf. Dans la partie Nord de l’unité ces formations du complexe ont été recouvertes
par les dépôts quartenaires alluviaux (ANRH, 2009).
G-2/ Limites et extension : le plateau des Hassis est limité au Nord par la Mer Méditerranée
et Djebel Orousse, au Sud par la plaine M’léta, à l’Est par la plaine de Habra et à l’Ouest par
le plateau d’Oran
G-3/ Aperçu géologique : cette unité est formée par une croûte calcaire et des alluvions
surmontant les grès du Calabrien. Le Miocène supérieur y étant plutôt forme de marnes-
alternées parfois de bancs de gypse (ANRH, 2009).
14
30
T
e 25
m
p
é 20
r
a 15
t
u
r 10
e
5
Le régime climatique se caractérise aussi par des vents qui n’apportent généralement que
peu d’humidité. Lors de leur passage sur les reliefs marocains et espagnols, ces vents
perdent une grande partie de leur humidité.
1.1.4.2 La pluviométrie
On constate que durant la période s’étalant du milieu des années 70 au début des
années 2000, la moyenne des précipitations annuelles (courbe en rouge) est plus faible que
la moyenne de la période totale 1900-2010 (la courbe en rouge est constamment au-dessous
de la courbe en vert). Cela dénote un changement climatique au cours des dernières 25
années bien que sur la période récente, une légère augmentation de la pluviométrie semble
reprendre.
15
Pour préciser davantage ces changements dans la pluviométrie, on a défini cinq régimes
climatiques de la façon suivante :
― Régime très sec : année durant laquelle la pluviométrie moyenne annuelle observée
a été inférieure à 65% de la pluviométrie moyenne au cours du siècle 1900-2010,
― Régime sec : année durant laquelle la pluviométrie moyenne a été comprise entre
65% et 80% de la pluviométrie moyenne au cours de la période 1900-2010,
― Régime moyen : année durant laquelle la pluviométrie moyenne a été comprise entre
80% et 130% de la pluviométrie moyenne au cours de la période 1900-2010,
― Régime très humide : année durant laquelle la pluviométrie moyenne est supérieure
à 160% de la pluviométrie moyenne au cours de la période 1900-2010.
Sachant que la précipitation moyenne annuelle entre 1900 et 2010 a été de 371 mm, ces
régimes pluviométriques peuvent être représentés dans l’axe suivant :
On a comparé alors le nombre d’années pour chaque régime au cours de la période 1900-
2010 avec la période 1975-2005 avec les résultats suivants :
Tableau 2: Régimes pluviométriques de la Wilaya d’Oran 1900-2010
nombre d'années 5 7 18 1 0 31
1975-2005
% 16% 23% 58% 3% 0% 100%
16
200 900,0
Précipitations mensuelles en mm (axe de gauche)
180 Moyenne annuelle (axe de droite) 800,0
140
600,0
120
500,0
100
400,0
80
300,0
60
200,0
40
20 100,0
0 0,0
J-1900 J-1912 J-1924 J-1936 J-1948 J-1960 J-1972 J-1984 J-1996 J-2008
17
On constate que le pourcentage d’années ‘Très sec’ et ‘Sec’ est supérieur, en
pourcentage, au cours de la période 1975-2005 comparé à la période de référence 1900-
2010. Inversement, les périodes ‘humides’ et ‘très humide’ ont en pourcentage diminué au
cours de la période 1975-2005 montrant par cela une tendance à une baisse de la
pluviométrie sur la période récente jusqu’en 2005.
18
l’Ouest du pays a connu, comme on l’a décrit dans le chapitre précèdent,
précèdent, un cycle de
sécheresse chronique qui a affecté le niveau des réserves en eau de manière durable.
L’alimentation en eau de sites aussi éloignés se réalise alors à travers à la fois des
adductions de l’Ouest (Beni Bahdel et la Tafna) et d’est (Fergoug et Gargar) qui acheminent
l’eau dans des ouvrages terminaux situés à l’Est (site terminal du réservoir de Bir
Bir-El-Djir et au
nouveau réservoir de Canastel) et à l’Ouest de la ville (site terminal du réservoir de la Tafna
et de BC8).
Adduction TAFNA
Adduction BENI
BAHDEL
Figure 6:
6 les Transfert Ouest de la wilaya d’Oran
19
1.2.1.1.1 Adduction de Beni-Bahdel
L’adduction de Béni Bahdel achemine une partie des eaux du barrage de Beni Bahdel
jusqu’au brise charge n°8 sur le site dit réservoir de Tafna/ BC8 a Oran. Elle comprend :
― Une conduite gravitaire (diamètre 1100 mm, longueur 156 km, en béton) comportant
7 brise-charge en ligne (BC1 a BC7) et un brise-charge terminal BC8 situé à Ain Beida,
à l’Ouest de la ville d’Oran.
Cette adduction a une capacité de 110.000 m3/j. Elle comprend principalement les
ouvrages suivants :
20
Adduction
GARGAR
Adduction
FERGOUG
― L’adduction de l’eau brute est d’une longueur de 81km. Celle de l’eau traitée est
composée de plusieurs tronçons des conduites de différents
différents diamètres et longueurs ;
1.2.1.2.2 Adduction
n du Fergoug
Ayant une capacité initiale égale à 17 hm3, le barrage Fergoug, l’un des plus anciens
au niveau national, est actuellement envasé. C’est à partir de ce barrage, réhabilité durant
les années1970, que le transfert Fergoug-Oran,
Fergoug est réalisé en 1972.
72. Il permet de desservir
plusieurs agglomérations situées essentiellement dans les wilayas de Mascara et Oran.
21
1.2.1.3 Transfert du MAO
― la Station de traitement.
La wilaya d’Oran possède quelques unités de dessalement sur son territoire (la SDEM
Kahrama d’Arzew, des Dunes et celle de Bousfer). D’autres SDEM situées en dehors du
territoire de la Wilaya alimente cette dernière (Chatt el Hilal dans la Wilaya de Témouchent
et celle de la Macta dans la Wilaya de Mostaganem). Une unité de déminéralisation est
également en fonction à Brédéah.
Le transfert à partir de Gargar a été renforcé, à partir d’août 2005 par les eaux de la
station de dessalement Kahrama d’une capacité de 90.000 m3/j dont 20.000 sont réservés
aux besoins de la zone industrielle d’Arzew. Les eaux destinées à la ville d’Oran sont
acheminées vers le nouveau réservoir de Canastel par l’intermédiaire d’une station de
pompage de 100.000 m 3/j et une adduction de 48’’ (soit 121,92 cm) de 33,18 kilomètres.
22
Dans cette station, le système MSF (Multi-Stage-Flash) est utilisé pour la production de l’eau
dessalée.
Soulignons que le procédé de désalinisation utilisé dans cette station est de l’osmose
inverse.
Deux stations de dessalement les Dunes et Bousfer, mises en service en 2005, sont
destinées exclusivement au renforcement de l’AEP de la corniche oranaise par un volume
journalier de 6 000 m3/j (Capacité maximale 10 500 m3/j).
La station des Dunes est de type monobloc également et a une capacité de 5.000
m3/j. Elle a été mise en service en novembre 2005 et utilise le même procédé d’osmose
inverse avec un taux de conversion de 38%.
23
1.2.2.1.5 La station de dessalement de la Mactâa
Cette station est située à Mostaganem et est en cours de réalisation avec une
capacité de 500.000 m³/j. Elle sera destinée à la sécurisation de l’AEP de la Wilaya d’Oran
ainsi que les wilayas limitrophes (Mostaganem, Relizane et Mascara).
Un débit de 225 000 m³/j est prévu dans l’objectif de garantir une distribution d’AEP
dans la wilaya sans interruption.
Cette station de dessalement aura un rôle fondamental pour répondre aux besoins
en eau potable et constituera dès sa mise en service prévue pour la fin de l’année 2012, un
facteur essentiel de l’autosuffisance hydrique particulièrement de la wilaya d’Oran.
Située prés de la décharge publique d’El Kerma, cette station d'épuration prendra en
charge toutes les eaux usées du groupement urbain d'Oran qui comprend les communes
d'Oran, Es-Senia, Bir El-Djir, Sidi Chahmi et El-Kerma. Au total, près de 274.000 m³/j d'eaux
usées déversées seront traitées, ce qui confère à cette station le rang de la plus grande STEP
du pays. Les eaux usées récupérées par les différentes stations de pompage seront
réutilisées pour l’irrigation de la plaine de la Mleta, dans la région de Tafraoui.
La station d’épuration des eaux usées de la daïra côtière d’Aïn Turck (Oran) reliera
quatre zones balnéaires, à savoir Bousfer, Sidi Hammadi, Gueddara et les Andalouses. Cette
nouvelle STEP, première du genre à voir le jour dans la corniche Ouest d’Oran, couvrira les
besoins de 250.000 habitants, soit une capacité de traitement d’un volume de 30.000 m3
d’eaux usées/jour.
24
- Les agglomérations raccordées à la STEP : Béthioua et Ain EL bia ;
- Etat de la STEP (travaux, étude, exploitation) : Etude 100% Achevée, choix de
l’entreprise de réalisation en cours ;
- Filière d’épuration : boues activées à moyenne charge ;
- Nature des eaux usées : Urbaine ;
- Capacité installée (m3/j) : 25 117 m 3/j a l’horizon 2030 ;
- Milieu récepteur des eaux usées épurées : le Rejet vers la mer ;
- Consistance des travaux : le projet consiste en 05 stations de
relevage (refoulement des eaux usées vers la station d’épuration de Béthioua) et
la réalisation de la station d’épuration.
― La nappe de la plaine côtière d’Ain Turk (Code 31_4_1) est constituée d’aquifères
multicouche avec nappe libre avec un ou plusieurs aquifères profonds. Ceci lui
confère de grandes réserves.
Une autre unité hydrogéologique existe mais est moins favorable : celle de la partie
Nord d’Arbal (Code 31_2_2), au Sud de la nappe des Plaines Brédéah et M’Léta.
25
Les eaux souterraines proches des trois zones la sebkha d’Oran (Code 31_8_1), le lac
de Telamine (Code 31_8_3) et les salines d’Arzew (Code 31_8_2) sont en liaison avec les lacs
salés ou pollués et sont inutilisables pour l’irrigation car de mauvaise qualité.
26
Quant au forage, le tableau suivant (tableau 4) donne la répartition du prélèvement
sur aquifère par mode de prélèvement selon les données de l’Etude d’inventaire de la PMH
de 2008
Tableau 4: Mode de prélèvement sur aquifères
La constatation est que les prélèvements sont en quasi-totalité concentrés dans les 2
communes de Messerghin (50) et de Boutlelis (35), dans la région des Piemonts du
Murdjadjo-Sebkha d’Oran. Ces prélèvements exploitent la nappe tertiaire profonde peu
minéralisée du flanc Sud du Djebel Murdjadjo.
27
Figure 8 : Localisation des Unités Hydrogéologiques de la Wilaya d’Oran (SOGREAH 2009)
28
CHAPITRE 2. PROSPECTIVE DE
L’EAU A L’HORIZON 2050 EN
L’ABSENCE DE CHANGEMENT
CLIMATIQUE
29
INTRODUCTION
On étudie dans ce chapitre la demande en eau potable par les ménages et les
services collectifs ainsi que celle du secteur industriel d’une part et, d’autre part, les
demandes d’irrigation du secteur agricole pour voir dans quelle mesure ces besoins seront
satisfaits. Différents scénarios seront construits pour cela portant tant sur l’évolution de la
demande en eau que sur l’évolution des disponibilités en ressources. Une modélisation
simple permettra de simuler ces scénarios et de déterminer pour chacun d’eux le déficit en
eau de la Wilaya sur une longue période.
La particularité de la Wilaya d’Oran est effectivement d’être une région dont l’apport
externe d’eau est important. Les ressources requises pour satisfaire la demande d’eau de la
population et de l’industrie proviennent pour une partie importante des régions limitrophes
et la Wilaya d’Oran ne réalise pas une autosuffisance dans l’alimentation en eau de la région.
L’importance des transferts d’eau (apports externes) permet difficilement de parler
actuellement d’une politique de l’eau de la Wilaya. Pour cette raison, on s’intéressera
particulièrement à l’évolution des transferts externes pour voir si ceux-ci auront tendance à
s’accroitre ou au contraire à se réduire au cours du temps.
Une autre remarque importante est que le secteur de l’agriculture et le reste du système
de demande de la Wilaya (AEP ménages et collectivités, industries) sont approvisionnés par
des sources différentes. Les ressources pour le secteur agricole proviennent principalement
des nappes souterraines tandis-que l’alimentation des ménages, services collectifs et de
l’industrie fait appel aux transferts d’eau externes à la Wilaya, aux prélèvements
superficielles et au dessalement. Ainsi, ces deux grands secteurs peuvent être traités
séparément et il n’y a pas de priorité de sites de destination entre eux. Il n’y a pas non plus
de transmission entre les flux d’entrée ou de sorties de ces deux secteurs puisque les rejets
d’eau d’AEP ou de l’industrie ne sont pas retraités pour une réutilisation externe par le
secteur de l’agriculture. Pour cette raison, on traitera séparément la modélisation de l’AEP
de celle de l’irrigation agricole en nous interrogeant, pour ce qui concerne le secteur
agricole, particulièrement sur l’évolution des taux d’exploitation des nappes souterraines et
de leur renouvellement.
30
2.1 LE MODELE DE DEMANDE EN EAU DANS LE SECTEUR
HORS AGRICULTURE
Dans le but de mettre en évidence les contraintes futures sur la satisfaction des besoins
en eau dans la région d’étude hors du secteur agricole, on construit un modèle de demande
en eau dont les paramètres seront calibrés de façon à reproduire exactement l’année de
base 2014. Dans une seconde étape, on développe un scenario de référence qui prolonge
simplement les tendances actuelles de l’hydrosystème. Enfin, on évalue les effets sur la
disponibilité des ressources de changement des paramètres du modèle incluant les besoins
unitaires des ménages et de l’industrie, l’efficience de la gestion des ressources hydriques
ainsi que la politique de l’eau à travers le développement de nouvelles infrastructures.
La demande en eau, hors du secteur de l’agriculture, se partage entre les besoins des
ménages, les besoins des services collectifs (par exemple les besoins d’eau destinée aux
hôpitaux et aux autres services publics ou l’arrosage des places publiques, l’alimentation des
bouches d’incendie, etc.) et ceux du secteur de l’industrie.
Les besoins totaux des ménages ܤ dépendent de la taille de la population ܰ , des
besoins unitaires ݐ݅݊ݑܤ et du taux de raccordement aux réseaux d’AEP. On fera
l’hypothèse lorsqu’on procédera aux simulations que les besoins unitaires en eau des
ménages sont reliés au taux d’occupation des logements (ܱܶ )ܮet au niveau de vie (ܸܰ)
comme le montre (Eq. 1).
Faute d’informations disponibles, on suppose que les besoins en eau du secteur public
ܤ௦ sont proportionnels à ceux des ménages ܤ (Eq. 2),
Le besoin total en eau du secteur industriel B୧୬ୢ dépend de la taille du secteur indutriel
Ind et des besoins unitaires en eau ݐ݅݊ݑܤௗ de ce secteur (Eq. 3). Du fait de l’indisponibilité
des données sur l’activité régionale industrielle, la taille de ce secteur est approchée par la
superficie des zones industrielles ݀݊ܫsur lesquelles il active.
31
La somme des ressources en eau de la wilaya d’Oran et des transferts externes
(provenant d’autres wilayas) est ܺ௧௧. Aussi, la demande couverte sera le minimum entre
d’une part le volume total des ressources ajusté des pertes ܶݔ dans les liaisons de
transmission et, d’autre part, la demande totale D௧௧ en AEP (Eq. 5).
ܺ௧௧= exogène
Avec:
ܤ = ݉ݏ݁݀ ݑܽ݁ ݊݁ݏ݊݅ݏ݁ܤé݊ܽ݃݁ݏ
ݏ݈݈݁݁݅ݎݐݏݑ݀݊݅ݏ݁݊ݖݏ݂݁݀݁݅ܿ݅ݎ݁ݑܵ = ݀݊ܫ
ܰ = ݈݈݈ܶܽ݅݁݀݁ܽ ݊݅ݐ݈ܽݑ
Le taux d’efficience de la distribution d’AEP dans les réseaux ݔݐ a été fixé à 80%
suite à des interviews avec les cadres de la SEOR.
32
Le taux de raccordement à l’AEP a été fixé à 82% suivant les données fournies par
l’Office National des Statistiques (ONS) dans le cadre du recensement de la population et de
l’habitat pour sa partie concernant les communes de la Wilaya d’Oran.
Concernant les besoins unitaire en eau des ménages, de l’équation (1) et (2), on peut écrire :
On tire alors :
ାೞ
ݐ݅݊ݑܤ = (ଵାఈ)∗(ே ∗௧௫ೝೌ)
Équation 6
Le volume B୦୦ + B୮ୱ est tiré du Bilan des Relevés Quotidiens (BRQ) de la production
d’eau dans la Wilaya d’Oran comme la dotation en ressources en eau de la wilaya diminuée
de celle du secteur industriel, soit un volume de 96.519.324 m3 par an.
Par ailleurs, à partir des données fournies par l’Office national des statistiques (ONS),
la taille de la population de la wilaya d’Oran peut être estimée à 1.657.000 habitants en
2015. Avec ces données ainsi que les valeurs des paramètres ߙ, ݔݐ fixés ci-dessus,
l’équation (6) nous permet de déduire que le besoin unitaire des ménages ࢎࢎݐ݅݊ݑܤpeut être
estimé à 52.35 m3 par an correspondant à 143.4 litres par jour et par personne raccordée au
réseau AEP.
33
Avec ces valeurs, le modèle reproduit le bilan d’AEP de la Wilaya d’Oran en 2014.
Dans le schéma directeur des zones industrielles (Ministère de l’industrie, 2008), il est
prévu la création en 2020 de 30 nouvelles zones industrielles en plus des 52 zones
actuellement existantes dans le pays, ce qui donne un taux de croissance moyen de 4.7% par
an. Sur la base de cette hypothèse, on a retenu une croissance des besoins en eau de
l’industrie pour la Wilaya d’Oran de l’ordre de 5% par an sur la période d’étude (légèrement
plus grande que la moyenne nationale pour rattraper le retard de la Wilaya).
Ces évolutions nous ont conduit à adopter les projections suivantes de la population
entre 2014 et 2050 dans la wilaya.
34
Tableau 5:Projection de la population totale de la Wilaya d’Oran : 2009-2050
Notons enfin que dans tous les scénarios, on priorise la satisfaction des besoins des
ménages et du secteur public sur ceux de l’industrie suivant en cela les priorités du plan
national de l’eau en Algérie.
`
`
# # #
` `
35
Demande en eau (sans pertes, recycl., GSD)
Scénario: reference COLLECTIVITES
INDUSTRIE
240 MENAGES
220
200
180
Million Mètre cube
160
140
120
100
80
60
40
20
2014 2016 2018 2020 2022 2024 2026 2028 2030 2032 2034 2036 2038 2040 2042 2044 2046 2048 2050
100
90
80
70
Pourcent
60
50
40
30
20
10
0
2014 2016 2018 2020 2022 2024 2026 2028 2030 2032 2034 2036 2038 2040 2042 2044 2046 2048 2050
Figure 11: taux de satisfaction par secteur de la wilaya d’Oran
Scénario de référence (2014-2050).
Sans autre action sur le volume des ressources, les ménages et les collectivités
commenceront à leur tour à connaitre des pénuries à partir de 2019. En 2050, seul 67.8% de
leurs besoins en eau seront satisfait.
36
2.1.3 ANALYSE DE VARIANTES
Le scénario de référence est un scénario passif car il est supposé qu’aucune action
n’a été prise permettant de faire face à l’augmentation de la population et des entreprises.
En réalité, des projets sont en cours comme par exemple l’extension du dessalement et du
traitement des eaux usées. D’un autre côté, ce scénario suppose que les besoins unitaires en
eau sont constants tout au long de la période de simulation. Or, avec le progrès dans le
niveau de vie et notamment la disponibilité plus grande de logements, les besoins unitaires
vont s’accroître entraînant une demande globale plus grande encore.
es ménages dépendent du niveau de vie (ܸܰ) ainsi que du taux d’occupation des
logements (ܱܶ)ܮ. Si on désigne par ݁ே et ்݁ை respectivement l’élasticité du besoin
unitaire par rapport au niveau de vie et par rapport au taux d’occupation des logements, on
peut écrire :
݀ݐ݅݊ݑܤ
ൗ݁ = ݐ݅݊ݑܤே ቀܸ݀ܰൗܸܰቁ + ்݁ைቀܱ݀ܶܮൗܱܶܮቁ Équation 7
37
݁ே par exemple désigne l’augmentation en pourcentage du besoin unitaire d’eau ݐ݅݊ݑܤ
des ménages qui résulte d’une augmentation de 1% du niveau de vie ܸܰ. Il en est de même
pour ்݁ை concernant le taux d’occupation de logement (TOL).
Ces élasticités sont fixées respectivement pour le niveau de vie et pour le taux
d’occupation des logements à :
Comme on n’a pas pu accéder à des informations sur les revenus dans la Wilaya
d’Oran, on a supposé que l’évolution annuelle du revenu par personne dans la Wilaya suit la
même progression qu’au niveau national durant la période 2000-2009, à savoir 3 :
2
Dans leur analyse des variations de l’élasticité par rapport au revenu de la demande résidentielle
d’eau ݁ே , Dalhuisen et al. (2001) ont trouvé une élasticité moyenne de 0.4 bien que cette moyenne
varie assez amplement. Nous avons fixé pour notre part cette élasticité à 1/3 signifiant qu’une
augmentation de 1% du revenu du ménage entraîne une croissance de la demande d’eau du ménage
de 0.33%. D’un autre côté, on a fixé l’élasticité ்݁ை par rapport au TOL à − 0.7. Celle-ci implique
qu’une diminution du taux d’occupation de ݔ% entraîne une augmentation du besoin en eau du
ménage de 0.7 ∗ ݔ%. Ainsi, une réduction du nombre de personne par logement de 5 à 4 personnes
(ݎé݀ ݁݀ ݊݅ݐܿݑ− 1/5%) conduit à une augmentation de la demande d’eau par personne de (-
1/5)*(-0.7) = +14%.
3
En l’absence d’informations sociales régionales, on suppose que le revenu par habitant dans la
wilaya d’Oran croit au taux de 2,2% qui est le taux observé au niveau national sur la période de dix
ans 2000-2009 selon les sources de données de la Banque Mondiale (base de données : World
Development Indicators - 2011).
38
Ainsi, le TOL passera de 5.1 personnes par logement en 2008 à 3.3 en 2030, marquant
ainsi une décroissance de -2% par an en moyenne. On adoptera ce même taux pour notre
région d’étude :
ܱ݀ܶܮൗ Équation 10
ܱܶ = ܮ− 2%
En substituent (8), (9) et (10) dans (7), on obtient la croissance des besoins unitaires
des ménages:
݀ݐ݅݊ݑܤ
ൗ = ݐ݅݊ݑܤ0,33 ∗ 2,2% + ൫− 0,7 ∗ (− 2%)൯= 2.1%
Une gestion active des ressources en eau permet une économie de l’eau qui peut
être importante et contribue à réduire le déficit de la Wilaya (réduction de la perte dans le
réseau de distribution d’eau, recyclage de l’eau utilisée par les entreprises industrielles,
campagnes de sensibilisation de la population pour réduire les pertes d’eau potable etc).
Dans ce scénario intégré, on projette une diminution des pertes d’eau dans les liaisons qui
passe progressivement de 20% en 2014 à 10% à l’horizon 2050. En plus, le taux de recyclage
dans le secteur industriel passe de 0% de la consommation en 2014 à 20% en 2050.
Le scénario de référence avait déjà établi le déficit des ressources en eau compte
tenu de la progression démographique et de la croissance de la taille du secteur industriel.
La prise en compte de l’accroissement de la demande unitaire d’eau des ménages et des
collectivités va accroitre davantage la demande des ménages et des services publics.
39
Le graphique de la figure 11 ci-dessous présente l’accroissement de la demande en eau par
rapport au scénario de référence.
35
30
25
20
15
10
5
0
-5
-10
2014 2016 2018 2020 2022 2024 2026 2028 2030 2032 2034 2036 2038 2040 2042 2044 2046 2048 2050
100
90
80
70
Pourcent
60
50
40
30
20
10
0
2014 2016 2018 2020 2022 2024 2026 2028 2030 2032 2034 2036 2038 2040 2042 2044 2046 2048 2050
Figure 13: évolution du taux de recouvrement des différents secteurs de la wilaya d’Oran.
Scénario intégré de demande.
40
Le taux de recouvrement est plus faible que dans le scénario de référence pour tous
les sites de demande (du fait de l’accroissement de la demande des ménages et des
collectivités) malgré la réduction des pertes dans les liaisons de distribution. Il est de 65.7%
pour les ménages et les services publics en 2030 et seulement de 48.2% en 2050. L’industrie
est toutefois exposée à deux actions opposées : d’un côté les technologies qui favorisent
l’économie de l’eau favorisent le taux de recouvrement mais, d’un autre côté, la non priorité
de son approvisionnement a un effet négatif sur le taux de recouvrement. Comme dans le
scénario de référence, le taux de recouvrement est nul pour l’industrie à partir de 2019.
Cette dimension, tout en intégrant les changements dans les besoins unitaires
étudiés ci-dessus, introduit la mise en place de projets d’infrastructures prévues par la
Direction de l’Hydraulique de la Wilaya à travers la construction d’une station de
dessalement (SDEM) et d’une station d’épuration (STEP) pour augmenter les ressources en
eau (non conventionnelles) de la Wilaya.
41
de demande. Dans les projections que nous réalisons dans ce scénario, les nouveaux
volumes d’eau traitée auront pour but d’alimenter le secteur de l’industrie à cette étape. On
évaluera dans le dernier chapitre de ce travail une variante ou ces volumes seront dirigés
vers l’agriculture.
La nouvelle STEP aura une capacité de traitement de 300.000 m3/j à l’horizon 2030,
soit 3.47 m3/s reflétant en cela les projets de la Direction de l’Hydraulique de la Wilaya
d’Oran. Elle atteint progressivement cette capacité de traitement suivant une courbe
logistique en partant d’un niveau initial de 1 m3/s en 2017. Des capacités de traitement
supplémentaires des eaux usées seront installées à partir de 2030 portant le volume de
traitement de la STEP à 425.000 m3 d’eau par jour.
Les débits de retours du site de demande et leur routage: On suppose que 60% de la
consommation des sites de demande (ménages, collectivités, industrie) est dirigé vers la
STEP, le reste étant dirigé vers d’autres réceptacles (Sebkha, mer,…). La STEP transmet l’eau
traitée au secteur de l’industrie. Le surplus éventuel des eaux traitées est rejeté à la mer.
Les priorités de demande : Comme dans le scénario de référence, la priorité des sites
de demande sera l’alimentation en eau des ménages et des collectivités avant le secteur de
l’industrie.
42
pour satisfaire la demande (de l’industrie) car l’eau fournie aura un autre cycle d’utilisation
après son retraitement.
100
95
90
85
80
75
Pourcent
70
65
60
55
50
45
40
35
2017 2019 2021 2023 2025 2027 2029 2031 2033 2035 2037 2039 2041 2043 2045 2047 2049
43
Débit dans la liaison de transmission
Scénario: STEP Liaison de transmission depuis DESSALEMENT vers COLLECTIVITES
Liaison de transmission depuis DESSALEMENT vers MENAGES
320
Liaison de transmission depuis DESSAL_NOUVEAU vers COLLECTIVITES
300
Liaison de transmission depuis DESSAL_NOUVEAU vers MENAGES
280 Liaison de transmission depuis LOCALES vers COLLECTIVITES
260 Liaison de transmission depuis LOCALES vers MENAGES
240 Liaison de transmission depuis STEP. vers INDUSTRIE
220 Liaison de transmission depuis TRANSFERTS vers COLLECTIVITES
Million Mètre cube
2017 2020 2023 2026 2029 2032 2035 2038 2041 2044 2047 2050
Toutefois, si les différents utilisateurs seront approvisionnés sans avoir recours aux
transferts entre 2019 et 2023, la nécessité de ces transferts externes reprend à partir de
2024 jusqu'à 2050 comme le montre la figure 16 ci-dessous. Par conséquente, la wilaya
d’Oran n’arrive pas à réaliser une autosuffisance hydrique même dans ce scénario
d’accroissement des ressources malgré l’installation de la SDEM et de la STEP.
20
18
16
14
12
10
8
6
4
2
0
2017 2020 2023 2026 2029 2032 2035 2038 2041 2044 2047 2050
Par ailleurs, la figure (17), ci-après, montre l’évolution des quantités excédentaires
aux besoins de l’industrie que fournit la STEP. Ces quantités d’eau supplémentaires qui, dans
44
ce scénario, sont rejetées à la mer, peuvent être dirigées vers un site alternatif (secteur
agricole). Cette option sera précisément étudiée en détail dans le dernier chapitre de ce
travail.
Débit de liaison de retour
Scénario: STEP Débit de retour depuis STEP. vers MER
40
35
30
Million Mètre cube
25
20
15
10
2017 2019 2021 2023 2025 2027 2029 2031 2033 2035 2037 2039 2041 2043 2045 2047 2049
Figure 17: évolution des débits de retour de la STEP vers la mer dans le scénario ressource
2017-2050.
On étudie dans cette section comment les besoins en eau d’irrigation évolueront et
pourront être satisfaits dans la Wilaya d’Oran à l’horizon 2050. Ceci est essentiel au regard
de l’importance accordée à l’agriculture dans le développement de la région et au vu des
projets qui sont envisagés.
45
2.2.1 LE PROCESSUS D’EVAPOTRANSPIRATION
Le processus d’évapotranspiration est le processus par lequel l’eau liquide est vaporisée
et transférée dans l’atmosphère soit par l’évaporation de l’eau se trouvant dans la couche
terrestre soit par la transpiration des plantes.
46
présente ces résultats en mm/jour ainsi qu’en volume sur les superficies irriguées des
communes de la Wilaya d’Oran.
Tableau 7: Evapotranspiration de référence par commune (en mm/j et en
1000m3/j) (ANRH, 2003)
47
2.2.1.2 Détermination de l’évapotranspiration potentielle par unité
hydrogéologique
Les valeurs des coefficients culturaux ܭ des principales cultures sont données par
SOGREAH (2009) dans les quatre grandes régions agricoles de la wilaya d’Oran que sont :
RA53 0.43 0.31 0.32 0.38 0.67 0.34 0.68 0.38 0.77 0.34 0.68 0.24 0.48
RA64 0.43 0.33 0.38 0.37 0.66 0.34 0.68 0.38 0.77 0.34 0.68 0.24 0.48
RA74 0.43 0.31 0.31 0.38 0.67 0.34 0.68 0.38 0.77 0.34 0.68 0.24 0.48
Moyen
0.43 0.33 0.37 0.37 0.66 0.34 0.68 0.38 0.77 0.34 0.68 0.24 0.48
wilaya
௨
Etant donnés ces coefficients culturaux ܿܭ௨௧௨ , le besoin en irrigation pour
௨
chaque commune et chaque culture ܤ௨௧௨ sera égale d’après l’équation (11) au produit
௨ ௨
de l’évapotransiration potentielle (ܲܶܧ௨௧௨ = ܶܧ ௨ ∗ ܿܭ௨௧௨ ) par la surface
Le besoin global en eau d’irrigation en volume pour chaque commune ܤ ௨ est
alors la somme des besoins en eau de la commune pour chacune de ses cultures
pratiquées :
48
௨ ௨
ܿܶܧ ௨ = (ܶܧ ௨ ∗ ܿܭ௨௧௨ ∗ ݃݅ݎݎ݅_݂ݎ݁ݑݏ௨௧௨ )
௨௧௨
Enfin le besoin en eau d’irrigation pour chacune des unités hydrogéologique ܤு
s’obtient comme la somme des besoins globaux des différentes communes ܤ ௨
appartenant à cette unité. Le tableau suivant 10 présente ces besoins d’irrigation par
grandes unités hydrogéologiques :
Tableau 10 : Volume d’évapotranspiration potentielle par unité
hydrogéologique
Unité Hydrogéologique ETP (Vol 1000m3/an)
Côtier Ain Turck 3 876
nappe de Bredeha 16 840
Complexe du Murdjajo 14 306
partie Nord d'Arbal 103
WILAYA 35 126
Ainsi, les besoins globaux en irrigation de la Wilaya d’Oran peuvent être estimés à 35.1
million de m3 annuellement.
Pour procéder à des simulations et à une analyse de scénarios sur le long terme, il est
nécessaire de se donner un modèle pour servir d’instrument de projection des ressources
hydriques de la Wilaya ainsi que des besoins en irrigation sur un horizon étendu.
49
La première partie de ce modèle (Eq. 12 – 14 ci-dessous) détermine
l’évapotranspiration ETP dans le bassin versant à l’aide des coefficients culturaux ܭ et de
l’évapotranspiration de référence ܶܧ (Eq. 14) utilisant l’approche de la FAO (Allen et al.,
2003). Prenant en compte les précipitations effectives ܲ, comme une proportion ܴ
du total des précipitations, ܲ௧ (Eq. 12), cette méthode détermine ensuite l’irrigation
requise ܦூ, c‘est-à-dire celle qui ne peut pas être apportée par les précipitations effectives
(Eq. 15). Les prélèvements ܲ ݎprennent en compte le taux d’efficience de l’irrigation ܴ,ூ
(Eq. 16). Dans ces équations, ܵூ représente les superficies irriguées des unités
hydrogéologiques et ܸ le volume de pluie effective dans les surfaces irriguées (Eq. 13).
Dans le deuxième bloc du modèle (Eq. 17-19), l’eau non soumise à l’évapotranspiration
ܴ݊ݑை est simulée comme un écoulement (Eq. 17). Celui-ci est alors fractionné entre le
ruissellement de surface ܴܵ݊ݑை (Eq. 18) et la percolation profonde ݂݊ܫsuivant un
coefficient ܴௌ௨ dépendant de la nature du sol, du couvert végétal et de la topographie
(Eq. 19).
ೝ
ܲݎூ = ൬ோ ൰ Équation 16
,ೝ
50
l’irrigation ܴ,ூ ainsi que les quatre coefficients culturaux ܭ,ூ relatifs à chacune des
unités hydrogéologiques.
Par ailleurs, nous faisons l’hypothèse que le taux d’efficience de l’irrigation est de
70% dans le scénario de référence.
Enfin, les coefficients culturaux sont estimés par confrontation des deux tableaux 8 et
10 ci-dessus donnant les volumes d’évapotranspiration de référence et potentiels par unité
hydrogéologique sachant que ces volumes sont reliés par l’équation 11. Ces valeurs nous
permettent de déduire les différents coefficients culturaux présentés dans le tableau 11 ci-
dessous :
Tableau 11: valeurs estimées des coefficients culturaux moyen par unité hydrogéologique
(2)/(1)
Unité Hydrogéologique (1) ET0 (2) ETP
Coefficient cultural KC
Cotiere Ain Turck 8 941 3 876 0,43
nappe de Bredeha 37 821 16 840 0,45
Complexe du Murdjajo 33 781 14 306 0,42
partie Nord d'Arbal 242 103 0,43
4
Rappelons que le taux de pluie effective est de 80% de sorte que 20% des pluies sont destinées à
l’écoulement.
51
2.2.3 LE SCENARIO DE REFERENCE
Avec cette hypothèse, les tensions sur les ressources vont être plus fortes car les
prélèvements vont croitre alors que les ressources restent à un même niveau. La figure 18
montre l’évolution de la demande résultant de cette croissance de la taille du secteur
agricole sur la période 2014-2050.
60
Million Mètre cube
50
40
30
20
10
2014 2016 2018 2020 2022 2024 2026 2028 2030 2032 2034 2036 2038 2040 2042 2044 2046 2048 2050
Quel sera alors l’évolution de l’exploitation à l’horizon 2050 ? Il est nécessaire pour
cela de confronter les ressources hydriques mobilisables et les prélèvements de surface et
souterrains nécessaires au développement du secteur agricole.
52
de ressource mobilisable par rapport à la ressource brute dépend de beaucoup de
paramètres et, en particulier, du coût qu’on accepte de payer pour extraire la ressource
brute, du volume des investissements requis (barrages, forages, puits etc.) ou des dépenses
de fonctionnement en maintenance et énergie notamment. On voit ainsi qu’il est difficile
d’estimer la part des ressources mobilisables. Dans ce cadre, tenant compte des coefficients
de mobilisation des ressources superficielles et souterraines obtenus par l’étude de Sogreah
(2009) sur la PMH dans la Wilaya d’Oran, on a retenu un coefficient de mobilisation
uniforme par rapport aux différentes unités hydrogéologiques de 50% de la recharge des
nappes souterraines.
Dans ce cadre, le taux d’exploitation peut être estimé par le rapport entre le
prélèvement des nappes souterraines sur la partie mobilisable (50%) de la recharge des
nappes. Le tableau suivant donne l’évolution du taux d’exploitation des nappes de chacune
des unités hydrogéologiques.
Côtier Ain Turck 6.97 7.17 7.59 2.50 4.0 7.2 35.8% 55.9% 95.3%
Complexe du 31.98 32.78 34.49 10.11 16.2 29.3 31.6% 49.5% 84.9%
Murdjajo
Partie Nord 1.80 1.81 1.82 0.07 0.12 0.21 4.1% 6.6% 11.8%
d'Arbal
Total Wilaya 53.04 54.99 59.16 24.67 39.6 71.5 46.5% 72.0% 120.8%
53
notamment celle de Bredéah avec les problèmes de salinisation qu’elle pose, et préserver les
ressources hydriques de la Wilaya. L’action doit porter à la fois sur la réduction de la
demande à travers l’amélioration de l’efficience du système d’irrigation en même temps que
sur l’augmentation de la mobilisation des ressources à travers de nouvelles infrastructures
hydrauliques pour la Wilaya. Ce sont ces scénarios alternatifs que nous étudions dans la
suite.
Selon l’étude de SOGREAH (2009) le principal mode d’irrigation dans la Wilaya est le
mode gravitaire qui représente 57% des modes d’irrigation et qui est concentré surtout dans
les Piémonts du Murdjadjo et dans la plaine de Hassi Bounif – Gdyel. Ce mode d’irrigation
dominant est pourtant celui dont l’efficience est la plus faible sachant que celle-ci varie entre
40 et 70% seulement et occasionne des pertes d’eau non négligeables.
Le mode du goutte à goutte représente 36% des modes d’irrigation de la Wilaya. Son
efficience est de l’ordre de 90%. L’aspersion est très peu pratiquée (1%) alors que le
citernage représente 6% des modes d’irrigation.
Cette domination du mode d’irrigation à faible efficience (gravitaire) montre que des
progrès importants dans l’économie des ressources peuvent être réalisés. Dans la suite, on
simule une amélioration de l’efficience du système d’irrigation qui fait progressivement
passer le taux d’efficience de 70% en 2014 à 90% en 2050 à travers une généralisation du
mode d’irrigation par aspersion et par goutte à goutte.
54
Demande en eau (sans pertes, recycl., GSD)
Scénario: amelioration systeme irrigation BREDEAH\irrigue
0,0 COTIER AIN TURK\irrigue
-1,0 CPLXE MURDJAJO\irrigue
-2,0 TAFRAOUI\irrigue
-3,0
-4,0
Million Mètre cube
-5,0
-6,0
-7,0
-8,0
-9,0
-10,0
-11,0
-12,0
-13,0
-14,0
-15,0
2014 2016 2018 2020 2022 2024 2026 2028 2030 2032 2034 2036 2038 2040 2042 2044 2046 2048 2050
Figure 19: Diminution de la demande en eau par amélioration de l’efficience
Scénario de demande 2014-2050.
Malgré cette amélioration des systèmes d’irrigation, la pression sur les ressources
reste encore importante. Ainsi, les prélèvements restent plus grands que les ressources
souterraines mobilisables. Après seulement une légère diminution en 2015 où les économies
d’efficience l’emportent sur la croissance de la superficie irriguée cette année, les
prélèvements augmentent de nouveau à partir de 2016 sous la pression des besoins
d’irrigation. Le taux d’exploitation des nappes souterraines passent ainsi à l’horizon 2050 de
120.8% dans le scénario de référence à environ 109.3% dans le présent scénario avec
toujours une large surexploitation de la nappe de Brédéah.
Si les gains qui peuvent être réalisés par une amélioration de l’efficience des modes
d’irrigation sont importants ils restent toutefois insuffisants au regard de la pression à la
hausse des besoins en irrigation. Cela justifie qu’on s’intéresse à des scénarios qui
envisagent des actions en vue d’une plus grande mobilisation des ressources de la Wilaya.
C’est pourquoi, on explore dans la suite un scénario de construction de retenues collinaires
permettant de mobiliser davantage les eaux de ruissellement de surface et de réduire la
pression sur les nappes souterraines.
55
On retient à ce niveau deux réalisations qui s’implantent en 2017 dans les
localisations où le réseau hydrographique est le plus dense : l’Oued Beggoug dans le Côtier
de Ain Turck et l’Oued Guessiba dans l’unité hydrologique du Complexe du Murdjadjo. Par
ces retenues collinaires, l’objectif sera de faire passer la part des ressources de surface dans
le Côtier de Ain Turck de 24% actuellement à 50% et dans le Complexe du Murdjadjo de 0% à
10% en 2017. Au total, la moyenne de mobilisation des eaux de surface passera de 3,3%
actuellement à 13% en moyenne pour toute la Wilaya.
Ces volumes sont, comme on peut le voir, loin de constituer à eux seuls une solution
à la question de l’irrigation agricole alors même que nous avons supposé une croissance
modérée du secteur agricole (3%/an). Il faut rappeler à ce titre la faible densité du réseau
hydrographique de la Wilaya d’Oran ainsi que la faiblesse des précipitations qui ne
permettent pas d’envisager une solution dans le long terme uniquement dans ce sens.
4,200
4,000
3,800
Mille Mètre cube
3,600
3,400
3,200
3,000
2,800
2,600
2,400
2012
2013
2014
2015
2016
2017
2018
2019
2020
2021
2022
2023
2024
2025
2026
2027
2028
2029
2030
56
Débit dans la liaison de transmission
Liaison de transmission: Liaison de transmission depuis nappe Cplxe Murdj vers CPLXE MURDJAJO Retenues collinaires
28 amelioration systeme irrigation
26
24
Million Mètre cube
22
20
18
16
14
12
10
2014 2016 2018 2020 2022 2024 2026 2028 2030 2032 2034 2036 2038 2040 2042 2044 2046 2048 2050
CONCLUSION
En conclusion, la faible mobilisation des ressources du ruissellement de surface du
fait de la faible densité du réseau hydrologique et l’exploitation systématique des eaux des
nappes souterraines pour les besoins de l’irrigation du secteur agricole ont pour
conséquence une vulnérabilité particulière de l’hydrosystème de la région et conduisent
dans une grande mesure au recours aux ressources d’autres régions afin de couvrir les
besoins en eau des différents sites de demande, que ce soit l’agriculture, les ménages, les
services publics ou l’industrie. Les multiples scénarios que nous avons jusque-là envisagé,
que ce soit du côté de la demande ou de la mobilisation des ressources hydriques réduisent
certes pour une partie le recours aux transferts d’eau externes ainsi que la pression sur les
nappes souterraines. Cependant, nous avons montré qu’ils ne sauraient constituer une
réponse aux déficits hydriques qui vont en s’accroissant à l’horizon 2050.
57
CHAPITRE 3. LA PREVISION DE
LONG TERME DES CHANGEMENTS
CLIMATIQUES DANS LA WILAYA
D’ORAN
58
INTRODUCTION
L’objet de ce chapitre est d’étudier l’évolution de long terme du climat dans la wilaya
d’Oran à l’effet de mettre en avant les scénarios probables d’évolution des températures et
des précipitations dans cette wilaya. Par cela, nous relâchons l’hypothèse de stationnarité du
système climatique que nous avons retenu dans les chapitres précédents de ce travail.
En effet, du fait des perturbations qui affectent le système climatique, l'eau est de
plus en plus considérée comme une ressource rare. L’un des principes de la Déclaration de
Dublin stipule que l'eau est une ressource limitée et vulnérable tout en étant essentielle à la
vie, au développement et à l'environnement. Plus récemment, les modèles climatiques ont
montré que le réchauffement climatique a le potentiel de mettre davantage la pression sur
la disponibilité de l'eau en affectant la quantité et la distribution des précipitations ainsi que
la fréquence des événements hydrologiques extrêmes tels que les inondations et les
sécheresses. (Parry et al., 2007).
Ces pénuries d'eau induites par le changement climatique ne sont pas uniformément
réparties dans le monde. Des effets plus défavorables sont attendus dans les régions arides
ou dans les pays en développement qui souffre de l’absence de technologies et
d’infrastructures nécessaires à la mobilisation de cette ressource. Cette répartition
asymétrique de l’impact des changements climatique rend encore plus impérieuse la mise
en place d’une gestion intégrée de l'hydrosystème. Celle-ci apparaît en effet comme une
réponse à ces défis climatiques et une manière de contribuer à réduire les écarts de plus en
plus probables entre la disponibilité limitée de l'eau et la demande croissante des différents
secteurs de la société (Grigg, 2008: 282).
La wilaya d'Oran est très impliquée dans cette problématique pour plusieurs raisons.
Tout d'abord, comme nous l’avons vu dans les chapitres précédents, l'expansion de sa
population et la faible densité de son réseau hydrographique conduisent à un écart croissant
59
entre l'évolution rapide de la demande en eau et le faible potentiel de cette région pour la
mobilisation des ressources en eau conventionnelles. Ensuite, le système actuel de
distribution d'eau dans la région se caractérise comme nous l’avons observé par une
mobilisation sous-optimale des ressources en eau due au découplage de l'irrigation du reste
du secteur hydrologique. Enfin et surtout, le changement climatique exercera une pression
supplémentaire sur la demande d'eau et sa disponibilité dans cette région et aggravera
probablement le stress dans l’hydrosystème.
Malgré la vulnérabilité de cette région, peu d'études ont été consacrées aux
changements climatiques et à leurs impacts sur la satisfaction des besoins en eau des
différents secteurs. Il faut toutefois souligner les exceptions notables que sont Abed et al.
(2011) et Hamlat et al. (2012).
Les premiers auteurs simulent quatre modèles de circulation mondiale élaborés par
le groupe CIRCE dans le cadre du scénario A1B du Groupe d'experts intergouvernemental sur
l'évolution du climat (GIEC) pour étudier l'impact du changement climatique sur divers
indicateurs comme le ruissellement annuel, le niveau de confort thermique humain ou le
rendement en blé dans le golfe d'Oran. Cependant, la faible résolution spatiale des modèles
utilisés - qui se situe entre 2 ° et 3 ° - rend leurs prévisions climatiques peu représentatives
de la dynamique du changement climatique dans notre région d'étude.
Dans ce chapitre, contrairement à ces études sur les perspectives hydrologiques dans
la région d'Oran, nous nous proposons de présenter deux approches méthodologiques
permettant de modéliser explicitement le changement climatique local dans la wilaya
d’Oran. Notre démarche sera basée sur la formalisation des relations entre les différentes
variables climatiques, ce qui nous permettra par la suite d’appréhender de manière
quantifiée l’impact des perturbations du système climatique sur la demande et l'offre des
ressources en eau dans la région d’étude.
60
Rappelons dans ce cadre que les méthodes de projections des variables climatiques ont
connu au cours des dernières années deux directions distinctes :
Les modèles de réduction d’échelle ont un contenu plus riche en ce qu’ils font intervenir
les processus physiques qui gouvernent la dynamique du système climatique comme
facteurs explicatifs de l’évolution des variables climatiques. Cependant, ces modèles sont
globaux et bien que les méthodes de downscaling permettent de réduire l’échelle et
d’intégrer les caractéristiques locales, cette réduction elle-même introduit naturellement
des sources d’erreurs.
61
Nous examinerons ensuite les prévisions de changement climatique que peut fournir
l’approche alternative de modélisation par l’approche physique. Pour cela, dans une
deuxième section nous présentons les principes les plus importantes sur lesquels est fondé
ce cadre de modélisation.
Dans une troisième section enfin, nous appliquons ce cadre de modélisation au cas
spécifique de la prévision climatique dans la wilaya d’Oran à travers l’approche par le
downscaling statistique. Nous fournirons dans cette section les prévisions de changement
climatique résultant du dowscaling de modèles de circulation globale à l’échelle de la région
d’Oran et présenterons enfin les résultats de simulations de scénarios de changements
climatiques généralement recommandés par l’IPCC.
Nous nous proposons dans cette section de dériver des projections climatiques dans la
wilaya d’Oran en appliquant les méthodes de type ARIMA (AutoRegressive Integrated
Moving Average) de Box et Jenkins (1976). Cette modélisation permet de décrire l’évolution
au cours du temps d’une variable en référence uniquement à son passé. Pour cela, elle est
parfois décrite comme une ‘modélisation boîte noire’.
Plus précisément, les modèles ARIMA combinent trois types de processus temporels
(Hipel 1997 ; Desbois, 2005):
― la composante AutoRégressive(AR),
L’évolution d’un processus ARMA {ܻ௧} (sans composante intégrée I) est alors régie par
l’équation générale suivante:
62
oùߝ௧ est un processus purement aléatoire de bruit blanc.
L’écriture compacte de ces modèles fait appel à l’opérateur de retard L défini par
(ܮ. ܻ௧ = ܻ௧ିଵ) et à sa puissance ܮ d’ordre définie par ൫ܮ ܻ௧ = ܻ௧ି ൯ ainsi qu’à
l’opérateur de différence ܦௗ d’ordre ݀ ( ܦௗ ܻ௧ = (1 − )ܮௗ ܻ௧).
où ߆( )ܮand ߔ ( )ܮsont des polynômes retard d’ordre et ݍ: ߆( = )ܮ1 − ߠଵ ܮ− ⋯ − ߠ ܮ
et ߔ ( = )ܮ1 + ߮ଵ ܮ+ ⋯ + ߮ܮ.
Dans le cas d’un processus non stationnaire, (notamment lorsque le processus possède une
tendance temporelle), mais qui est intégré à l’ordre ݀ (c’est-à-dire dont la différence d’ordre
݀ est stationnaire), l’écriture ARIMA du processus sera plus complexe en s’écrivant :
Le processus ARIMA est ainsi entièrement caractérisé par ses trois paramètres (, ݀, )ݍ.
Ces modèles ont été appliqués notamment par Momani (2009) dans le cas de la Jordanie,
par Thabet et Thabet (1995) en référence à la Tunisie et par Mac Leod et al. (1997) pour la
modélisation des flux annuels de la rivière Saint Lawrence.
L’utilisation des modèles ARIMA - non saisonnier - pour la prévision des séries temporelles
stationnaires repose sur une méthodologie à trois étapes (Box et Jenkins, 1976).
63
du processus non expliquée par le modèle, constituent effectivement un bruit blanc
(c’est-à-dire un processus purement aléatoire qui ne contient plus d’informations
susceptible d’être utilisée pour la prévision).
Nous appliquons cette démarche aux séries chronologiques des températures et des
précipitations relevées par la station climatique d’Es-Sénia de la région d’Oran.
Les observations couvrent la période 1949-2011. Leur fréquence est annuelle pour les
températures et mensuelles pour les précipitations. La fréquence des précipitations est
mensuelle afin d’utiliser l’évapotranspiration potentielle qui est généralement donnée au
pas mensuel.
Une étape préliminaire a consisté à traiter les données manquantes. Pour cela, on a
remplacé toute donnée manquante d’un mois i par sa prévision calculée à l’aide d’une
régression linéaire sur le temps de la série mensuelle du mois i extraites de la série globale.
Les séries annuelles ont été calculées comme la moyenne des températures et des
précipitations mensuelles fournies par la station d’Es-Sénia.
5
Le processus ܻ௧ est stationnaire si son espérance mathématique est constante et si la covariance ܻܿ( ݒ௧
, ܻ௧ିఊ) ne dépend que de l’intervalle de temps ߛ (et non de ( )ݐDesbois, 2005).
64
Tableau 13 : Tendance temporelle des températures
Observations 60 34
R-squared 0.133 0.575
Le t de student est entre parenthèses
*** significatif au seuil de 1%, ** au seuil de 5%, * au seuil de 10%
Ce résultat est encore plus accentué lorsque l’estimation porte sur la période récente de
1975 à nos jours où le coefficient du temps est alors égal à 0.0425 et son t de student égal à
6.6.
Observations 62 36
R-squared 0.082 0.037
Le t de student est entre parenthèses
*** significatif au seuil de 1%, ** au seuil de 5%, * au seuil de 10%
65
Ces résultats laissent penser que les deux séries possèdent une tendance temporelle. En
conséquence, on doit envisager de stationnariser successivement a) la série des
précipitations annuelles en la différentiant à l’ordre 1 afin de supprimer la tendance et b) la
série des températures mensuelles en la différenciant à l’ordre 1 et à l’ordre 12 afin de
supprimer la tendance et la saisonnalité. Le corrélogramme des autocorrélations simples
(figure 22) confirme que les deux séries climatiques ainsi différenciées sont stationnaires au
vu de la décroissance rapide des coefficients d’autocorrélation.
Nous concluons que les précipitations annuelles suivent un processus ARIMA (, 1, )ݍet les
températures mensuelles un processus saisonnier SARIMA (’, 1, ܲ(ݔ)’ݍ, 1, ܳ)ଵଶ.
Autocorrelations of DS12.TEMPERAT.
-0.60 -0.40 -0.20 0.00 0.20
0 10 20 30 40
Lag
Autocorrelations of D.PRECIPITATION
-0.60-0.40-0.200.00 0.20 0.40
0 10 20 30
Lag
Une fois réalisée la stationnarisation des séries annuelles brutes, on doit déterminer les
paramètres du modèle en identifiant l’ordre ,ݍ, ܲ et ܳ des deux polynômes retard du
processus ARIMA. Pour cela, on exploite la propriété des processus ARIMA suivant laquelle :
66
― pour les processus moyennes mobiles (MA) d’ordre ݍ, les coefficients
d’autocorrélation simple ߩ(߬) s’annulent pout tout ߬ > ݍ
― tandis que pour les processus autorégressifs (AR) d’ordre , les coefficients
d’autocorrélation partielle )߬(ݎs’annulent pour tout ߬ > .
0.40
0.20
0.00
-0.20
-0.40
0 10 20 30 40
Lag
95% Confidence bands [se = 1/sqrt(n)]
Partial autocorrelations of D.PRECIP.
0.40
0.20
0.00
-0.20
-0.40
-0.60
0 10 20 30
Lag
95% Confidence bands [se = 1/sqrt(n)]
67
3.1.2.3. Estimation du modèle
Les coefficients des termes moyenne mobile (L.MA et L.SMA) sont significatifs dans les deux
estimations tandis que ceux des termes autorégressifs (L.AR pour les précipitations et L.SAR
pour les températures) possèdent un degré de significativité légèrement plus faible,
notamment pour ce qui est de la composante autorégressive saisonnière des températures
(L.SAR).
L.SAR -0.0386
(-1.003)
L.SMA -0.946***
(-43.85)
Constant -0.0985 6.63e-05
(-0.540) (0.455)
Observations 61 707
Le t de student est entre parenthèses
*** significatif au seuil de 1%, ** au seuil de 5%, * au seuil de 10%
Pour que le modèle soit valide et conduise à des prévisions optimales, nous devons
nous assurer que les résidus d’estimation qu’il fournit suivent un bruit blanc, c’est-à-dire un
68
processus dont on ne peut plus extraire d’information pouvant servir à la prévision. Pour
cela, nous avons appliqué le test d’hypothèse de bruit blanc de Bartlett pour les résidus
d’estimation des deux modèles. L’évolution de la statistique du test à l’intérieur de ses
limites supérieures et inférieures (Cf. figure 24) nous permet d’accepter l’hypothèse de bruit
blanc pour les résidus et de valider ainsi le modèle retenu tant pour les températures que
pour les précipitations.
Les projections des deux modèles sont présentées dans la figure 25 ci-dessous. Elles
prédisent ainsi une augmentation de la température de 0.8 degré entre les périodes
69
(moyenne 2000-2010) et 2050 ainsi qu’une réduction des précipitations de 5.9 mm en
moyenne annuelle sur la même période.
18.5
Projection des températures
16.5 17 17.5 18
1950
1960
1970
1980
1990
2000
2010
2020
2030
2040
2050
annee
Températures annuelles Prédictions
50
Projection des précipitations
20 30 1040
1950 1960 1970 1980 1990 2000 2010 2020 2030 2040 2050
annee
Précipitations annuelles Prédictions
Ces deux résultats sont dans l’ordre de grandeur des prévisions données par Hulme et al.
qui estiment une augmentation de la température en Afrique du Nord-Ouest en 2050 de
l’ordre de 1.5 degré mais comparativement à une période plus éloignée qui est la moyenne
de 1961–1990 (Hulme et al., 2001 p 155).
70
3.2. LA MODELISATION CLIMATIQUE PAR LES PROCESSUS
PHYSIQUES
C’est pourquoi, après avoir donné une caractérisation du système climatique, nous
commencerons :
― par étudier les modèles simples, à savoir les modèles radiatifs ‘Energy Based Model
(EBM)’ en présentant d’abord le modèle sans dimension et ensuite le modèle
intégrant une dimension verticale, avant :
― d’aborder les modèles radiatifs-convectifs qui intègrent non seulement les échanges
de radiations entre la surface terrestre et les différentes couches de l’atmosphère
mais aussi les processus de convection. Ce cadre nous permettra ensuite :
71
― de donner un aperçu succinct sur les Modèles de circulation globale (GCM).
Ainsi, selon Kaper et Engler (2013, p.1) ‘the planet's average temperature is influenced
by many interacting systems which, together, we call the climate system’. Celui-ci est
composé de plusieurs composantes qu’on détaille ci-dessous.
72
3.2.1.1.1. L’hydrosphère.
Elle est constituée de toute l’eau se trouvant sur la terre provenant notamment des
océans, des mers, des lacs ainsi que toutes les zones humides. Plus de 95% de l’eau se
trouve dans les océans alors que le reste se répartit entre les lacs, les rivières, les nappes
souterraines, l’humidité du sol et l’humidité de l’atmosphère. Les processus opérant dans
l’hydrosphère sont généralement plus lents que ceux dans l’atmosphère. Par exemple, la
résidence de l’eau dans les océans est de 37000 ans alors que cette présence n’est que
d’une dizaine de jours pour la vapeur d’eau dans l’atmosphère (Hartmann, 1994).
3.2.1.1.2. La cryosphère.
Celle-ci comprend les calottes glaciaires, des glaciers et les banquises. La résidence
(sous forme de glace ou neige) varie de quelques saisons à un million d’années. La
cryosphère représente le plus grand réservoir d'eau douce sur terre. Cette sphère se
caractérise par un albédo6 élevé conduisant à une forte réflexion des rayons solaires ainsi
par une faible diffusion thermique, notamment plus faible que celle de l’air. Cette faible
capacité à transférer rapidement la chaleur a pour conséquence de découpler cette sphère
des interactions avec l’atmosphère (Cornell et al., 2012)
3.2.1.1.3. La lithosphère.
Elle représente la couche extérieure rigide de la terre. Elle est constituée des surfaces
des continents et des fonds marins bien que ce soit essentiellement la première
composante (surface des continents) qui soit significative dans les études du système
climatique et qui représente 30% de la surface terrestre. Les processus qui s’y déroulent
(comme l’érosion, la tectonique ou les formations géologiques) opèrent généralement dans
le temps long avec quelques exceptions comme les éruptions volcaniques ou les
tremblements de terre (Shelton, 2009). Cependant, la topographie du sol est un déterminant
6
Capacité à réfléchir les radiations solaires.
73
principal du climat régional et local. C’est précisément cette topographie qui justifie, comme
on le verra ci-dessus (3ème section) la nécessité de réduire à l’échelle locale les prévisions des
modèles globaux de circulation globale.
3.2.1.1.4. La biosphère.
Elle regroupe toute la faune et la flore terrestre et marine. Le couvert végétale ainsi
que certaines faunes influencent l’albédo, l’évapotranspiraton, l’humidité du sol tout autant
que le cycle du carbone dans l’atmosphère les océans ou la surface de la terre.7
3.2.1.1.5. Atmosphère
Elle est représentée par l’enveloppe de gaz qui entoure la planète. Elle est
principalement composée de molécules d’azote (N2 ; 78,08%) d’oxygène (O2 ; 20.95%),
d’argon (Ar 0.93%). Les gaz atmosphériques qui sont importants pour l’absorption et
l’émission de radiation représentent moins de 1% de la masse atmosphérique : vapeur
d’eau, traces de dioxyde de carbone (CO2), ozone (O3), méthane (CH4), monoxyde de
carbone (CO) etc. (Hartmann, 1994).
7
‘The presence or absence of terrestrial vegetation or structural or functional vegetation changes can
influence surface albedo, evaporation, soil moisture, runoff, and the carbon dioxide balance in the
atmosphere, oceans, and on the land. Human interaction with the climate system through
agriculture and urbanization are additional factors’ (Shelton, 2009, page 29).
Il est aussi établi aujourd’hui que le phytoplancton par exemple absorbe une partie du dioxyde de
carbone retenu dans les océans qui passe ainsi dans toute la chaine alimentaire des mers et océans
(Kaper et al., 2013)
8
‘The atmospheric response time is on the order of days to weeks and is due to its relatively large
compressibility and low specific heat and density which make the atmosphere fluid and unstable’
(Peixoto and Oort, 1992, p 14).
74
ultraviolets, en réchauffant la surface terrestre par la rétention de la chaleur grâce à l’effet
naturel de serre qu’elle crée.
ܵ = ܤ⋃ܥ⋃ܪ⋃ܮ⋃ܣ
Ce système climatique puise son énergie des radiations solaires (et évolue par sa propre
dynamique interne à travers la circulation atmosphérique et celles des océans (courants
marins). Toutefois, des facteurs externes (appelés facteurs de forçage) peuvent influencer la
dynamique du système. Ces facteurs externes peuvent être naturels comme des éruptions
volcaniques, une variation des radiations solaires, ou encore des facteurs humains comme
l’émission excessive de gaz à effet de serre, déforestations, érosion des sols (appelés
facteurs anthropogéniques) qui impactent l’évolution du climat.
Cette complexité peut être visualisée à l’aide du diagramme ci-dessous proposé par Robock
(1985) et qui généralise celui établi par Kellogg et Schneider (1974).
75
Figure 27 : La complexité des interdépendances du système climatique
Source : Robock (1985)
Les exemples les plus souvent cités de cette interdépendance sont relatifs au cycle de
l’eau ainsi qu’aux échanges radiatifs entre la terre et les différentes couches de l’atmosphère
dont nous donnons quelques précisions ci-dessous.
Le cycle hydrologique ne peut pas en effet être totalement appréhendé sans référence
à l’ensemble des composantes du système climatique globale. Nous verrons dans le
quatrième chapitre un premier aspect de cette interdépendance en termes d’offre
d’évapotranspiration (issu de l’humidité (soil-moisture) de la surface terrestre) et de
demande d’évapotranspiration résultant de la composante atmosphérique. Plus
généralement, les flux sortant de la surface terrestre (évaporation et transpiration)
constituent les flux d’eau entrant dans l’atmosphère. Ainsi, on peut écrire (Shelton, p 50):
ௗௌ
ௗ௧
= − ܴௌ − ܵ௦௨ + (ܲ − )ܶܧ Équation 20
76
où ܵ௧ est la quantité d’eau stocké dans la branche terrestre, ܴௌ et ܵௌ௨ le ruissellement de
surface (surface run-off) et souterrain (subsurface run-off), ܲ les précipitations provenant de
l’atmosphère et ܶܧl’évaporation des surfaces d’eau ainsi que la transpiration du couvert
végétal.
ௗௐ
ௗ௧
= − ܴ − (ܲ − )ܶܧ Équation21
77
A. Radiations solaires
D. Emission
C. Absorption
B. Réflexion du
rayonnement
E. Effet
de serre
Surface 30+78+24+390
168+30 / 324 522
terrestre (350+40)=522
78
entre la surface terrestre-atmosphère, à travers par exemple le cycle hydrologique, apparaît
elle-même trop générale dans l’étude et les prévisions. En effet, la surface terrestre est
hétérogène de plusieurs points de vue : albédo, couvert végétal (canopie) par exemple qui
ont une incidence sur l’évapotranspiration et donc sur l’évolution des variables climatiques.
Par ailleurs, il existe d’autres cycles que le cycle hydrologique ou celui des échanges radiatifs.
Il en est ainsi par exemple du cycle du carbone qui est à l’origine de l’effet de serre que nous
décrirons dans la suite. Prévoir cette évolution pour évaluer le changement climatique est
ainsi complexe et nécessite le recours à la modélisation climatique. C’est l’objectif des
modèles climatiques, parmi lesquels les modèles de circulation globale sont situés au
sommet de la pyramide des modèles, de prendre en compte et de formaliser la complexité
des interactions entre les différentes composantes du système climatique. La partie qui suit
est consacré à une présentation simplifiée des fondements de ces modèles.
Toutefois, dans notre travail, nous nous limitons à présenter les modèles climatiques
simples pour les raisons suivantes:
― Les modèles simples ont l’avantage de mettre plus clairement en évidence les
principaux processus se déroulant dans les composantes du système climatique
comme l’effet de serre, la structure du gradient thermique de l’atmosphère ou
certains processus importants de feedbacks (nuages, vapeur d’eau,…). Les idées de
base restent les même que dans les modèles plus complexes (McGuffie et
Henderson-Sellers, 2005 p. 124).
79
― La formalisation dans les modèles simples est plus aisée et se prête facilement à des
analyses de scénarios et de sensibilité.
Pour ces raisons, on commencera par étudier (i) les modèles simples, à savoir les
modèles radiatifs ‘Energy Based Model (EBM)’ en présentant d’abord le modèle sans
dimension et ensuite le modèle intégrant une dimension verticale, puis (ii) par aborder les
modèles radiatifs-convectifs qui intègrent non seulement les échanges de radiations entre la
surface terrestre et les différentes couches de l’atmosphère mais aussi les processus de
convection. Dans une troisième partie, on utilisera ce cadre de modélisation simple pour
formaliser les changements climatiques et notamment l’effet de serre avant de donner enfin
un aperçu général sur les Modèles de Circulation Globale (GCM).
Comme l’énergie de la planète est fournie par le rayonnement solaire et joue un rôle
central dans l’évolution des variables climatiques, nous rappelons ci-dessous certaines
caractéristiques importantes du rayonnement qui seront utilisées dans la suite :
― Tout corps porté à une température ܶ libère une énergie, en émettant des
radiations. L’intensité de cette énergie, mesurée en Watt par m2, est fonction de la
température du corps. Plus la température est élevée et plus l’émission de radiation
est importante. Pour un corps qui absorbent toutes les radiations (blackbody), les
radiations émises ܴ par ce corps sont données par la loi de Stephan-Boltzmann :
ܴ = ߪܶସ
Dans le cas où le corps n’absorbe pas toutes les radiations qu’il reçoit
(greybody), les radiations émises sont limitées par un facteur d’émissivité ߝ compris
entre 0 et 1 qui dépend de la nature du corps tel que:
ܴ = ߝߪܶସ
L’émissivité de la surface terrestre par exemple est proche de 1. Celle des nuages
serait de l’ordre de 0.8.
80
― Toute l’énergie transférée par le soleil n’est pas absorbée. Une partie du
rayonnement incident est réfléchie par la planète. L’albédo est la fraction du
rayonnement solaire qui est réfléchie par la Terre ou la glace dans l’antarctique.
Comme l’énergie transférée par le soleil est de 342 ܹ ݉ ିଶet que 107 ܹ ݉ ିଶ sont
réfléchie par la terre (cf. figure 28 et tableau 16), le coefficient d’albédo de la Terre
est approximativement égale à 0.31.
2897
ߣ∗ =
ܶ
sont dans le domaine du visible (longueur d’onde comprise entre 0.4 et 0.75
microns) et environ 10% de ces radiations sont du domaine des ultraviolets.10
radiations dans l’ultraviolet mais émet des rayons infrarouges (figure 29).
9
Température (Kelvin)=température (Celsius)+ 273.
10
Les rayons qui sont dans le domaine du visible sont ceux dont la longueur d’onde est comprise
entre 0.4 et 0.7 microns. Les rayons ultraviolets ont une longueur d’ondes inférieure à 0.4 microns et
les infrarouges ont une longueur d’onde supérieure à 0.7 microns.
81
Intensité (normalisé) des
radiations
6000K 293K
Les modèles de type Energy Balance Models (EBM) étudient le système climatique en
première approximation à travers son équilibre global en termes d’énergie. Ces modèles
sont parmi les plus simples et ont été parmi les premiers modèles utilisés pour évaluer le
changement climatique.
Le modèle EBM sans dimension (parfois appelé point-model of the radiation balance
(Stocker, 2011)) simplifie beaucoup le système climatique en faisant abstraction notamment
des différences dans la composition de l’atmosphère afin de pouvoir représenter l’état du
système climatique par une seule variable qui est la température globale moyenne sur la
surface terrestre et de déterminer l’évolution de celle-ci au cours du temps.
― H2 : La planète Terre dans sa globalité est un corps gris avec une émissivité égale à ߝ.
82
Rayons solaires
Entre deux dates ݐଵ = ݐet ݐଶ = ݐ+ ∆ݐ, le bilan radiatif (le flux de radiations nets)
sera (࣭ଵܧ − ࣭ଶܧ௨௧)∆݁ ݉݅ݐ
où:
83
L’application du principe de la conservation d’énergie permet alors de prédire, qu’à
l’équilibre, les radiations émises par la terre seront égales à l’énergie solaire reçue et donc
que les radiations nettes seront nulles. Ainsi, en cas d’afflux d’énergie solaire, l’équilibre
initiale est perturbé mais sera rétabli par un réajustement de la température. Celui-ci
donnera lieu à une variation de température ∆ܶ entre les deux dates, la température
passant de ܶଵ = ܶ(ݐଵ) à ܶଶ = ܶ(ݐଶ) avec ∆ܶ = ܶଵ − ܶଶ permettant d’atteindre un nouvel
équilibre radiatif de la planète.
൫ܧ ; ܧ௨௧
൯ Flux radiatif ൫ܧ ; ܧ௨௧
൯
࣭ଵܧ − ࣭ଶܧ௨௧
= 0 Variation de température ࣭ଵܧ − ࣭ଶܧ௨௧
= 0
La seule énergie reçue par le système est celle provenant des radiations solaires,
celles-ci étant constituées, comme rappelé ci-dessus, de rayonnement électromagnétique à
ondes courtes.
Soit ܵ la constante solaire qui exprime la quantité d’énergie que reçoit une surface
de 1 ݉ ଶ située à une distance correspondante à la distance moyenne entre la terre et le
soleil et exposée perpendiculairement aux rayons du Soleil. Sa valeur est de 1.368 Watts/m-2
et peut être considérée comme approximativement constante avec toutefois quelques
réserves.11
Alors, la quantité d’énergie reçue par toute la surface de la terre sera : ࣭ଵ. ܵ où ࣭ଵ
est la surface terrestre exposée verticalement aux rayons solaires et ܵ la constante solaire.
La surface ࣭ଵ étant la surface d’incidence, elle correspond sur la figure 30 ci-dessus à la
surface du disque ܴ qui est égale à:
11
Neelin souligne ainsi que ‘In the past it was referred to as the “solar constant,” although it is now
known to change by a few Wm−2 over the course of the 11-year solar cycle, and to vary even on
weekly time scales. These short-term variations have little climate impact because of ocean heat
storage and large natural climate variability (Neelin, 2010; p 44)
84
࣭ଵ = ܴ = ߨܴଶ.
Cependant, comme le montre la figure 28 reflétée par l’hypothèse H1, seule une
partie de ce rayonnement solaire est absorbé par le système terrestre, le reste étant réfléchi
dans l’atmosphère. Soit ߙ le coeffcieient d’albédo du système terrestre.
Par l’hypothèse H2, on suppose que la Terre se comporte comme un corps gris
(greybody) d’émissivité ߝ. Suivant la loi de Stefan-Boltzmann rappelée ci-dessus, si ܶ est la
température sur la surface terrestre, alors la quantité d’énergie émise par 1 m2 de cette
surface sera :
ܧ௨௧ = ߝߪܶସ
D’un autre côté, d’après l’hypothèse H1, le système terrestre est pris dans sa
globalité en faisant abstraction des différences dans la composition de l’atmosphère et dans
la topographie de la surface terrestre. Aussi l’émission radiative par la surface terrestre est
supposée distribuée uniformément sur toute la surface du globe de sorte que la surface
d’émission est égale à la surface du globe terrestre: ࣭ଶ = 4ߨܴଶ, ܴ étant le rayon de la terre.
85
3.2.2.2.3. L’équilibre radiatif des modèles EBM
ଵൗ
∗ (ଵିఈ)ௌబ ସ
ܶ = ቀ ସఌఙ
ቁ Équation 24
Ainsi, la température du système terrestre dépend des radiations solaires incidentes (ܵ), de
la fraction de celles-ci qui est absorbée (ߝ) et celle qui est réfléchie par la planète (ߙ).
A cet effet, les résultats basés sur les observations satellitaires de la surface terrestre
fournissent une valeur moyenne de l’albédo de la terre ߙ = 0.3 (Stocker, 2011 :36).
86
475
450
Température en degré Kelvin 425
400
375
350
325
300
275
250
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Valeurs de l'emissivité de la Terre
On voit que les résultats de ce modèle simplifié ne semblent pas raisonnables dans le
domaine de vraisemblance du coefficient d’émissivité– comprises entre 0.8 et 1 - car ils
prédisent des températures moyennes aux environs de -4 et -19 degrés Celsius.
87
système globale - ne permet pas de rendre compte de deux processus climatiques
importants:
― Le deuxième aspect non pris en compte est relatif aux formes supplémentaires
d’échanges d’énergie qui se déroulent entre la surface terrestre et l’atmosphère. En
effet, les transferts radiatifs sont les seules formes d’échange énergétique pris en
compte par les modèles EBM. Or, comme le montre la figure 28, d’autres formes de
transfert sous forme de chaleur sensible et latente ont lieu et ont pour conséquence
d’influencer, par des phénomènes de convection, le gradient de température. La
prise en compte de ces processus de convection pour rendre compte du gradient
88
thermique verticale a donné naissance aux modèles radiatifs-convectifs (Manabe et
al., 1964, 1967, 1981 ; Ramanatha et Coakley, 1978) qui sont considérés comme les
modèles précurseurs des modèles de circulation globale.
Nous nous inspirons pour cela de la présentation de Neullin (2010) et de Stocker (2011).
A cet effet:
― On présentera d’abord le cas simple d’un système climatique à une seule couche
atmosphérique. Celui-ci, malgré sa simplification, nous permettra de mettre en
évidence l’effet de serre qu’on tentera de simuler sur la base d’hypothèses sur les
paramètres du modèle.
89
― H1. Opacité : Une partie des radiations atteignant la surface de la terre sont
réfléchies. L’albédo de la surface terrestre est ߙ ;
― H2. Absorption des radiations solaire par l’atmosphère : Une partie des radiations
provenant du soleil est absorbée par l’atmosphère (couche nuageuse) avec un
coefficient d’absorptivité égal à ܽଵ ;
― H3. Emissivité des radiations par la surface terrestre: On suppose que la surface
terrestre a les caractéristiques d’un corps noir (blackbody) avec un paramètre
d’émissivité égal donc à 1 ;
a. L’équilibre radiatif
La figure suivante représente les échanges thermiques ayant lieu entre la surface de
la terre et la couche nuageuse de l’atmosphère terrestre :
ࡿ
ࢿ࣌ࢀ
࣌ࢀࡿ
surface terrestre
Figure 33 : Structure du modèle EBM à une couche atmosphérique
12
On retient les mêmes notations que précédemment, en l’occurrence ߙ pour l’albédo du système
terrestre et ܵ et ߪ pour la constante solaire et la constante de Stephan-Boltzmann.
90
La surface terrestre. Une partie de la lumière provenant du soleil (rayonnement à
ondes courtes) est absorbée par la terre. Elle correspond au total des radiations solaires
(ߨܴଶܵ) diminuée de la partie ܽଵ de ces rayons absorbés par la couche atmosphérique (H2)
et diminué aussi de la partie ߙ de ce rayonnement solaire réfléchi par la terre (H1), soit :
ߨܴଶܵ(1 − ܽଵ)(1 − ߙ).
La terre reçoit également les rayons infrarouges émis par la couche atmosphérique
basse (H4), soit : 4ߨܴଶߝଵߪܶଵସ.
Ce transfert de chaleur vers la surface de la terre doit être contrebalancé par une
émission de radiations infrarouges de la terre vers l’atmosphère ߨܴଶߪܶௌସ suivant le principe
de la conservation d’énergie. D’où la première ligne du tableau 17 ci-dessous qui constitue
la balance énergétique de la terre.
91
Tableau 17 : Bilan radiatif du système climatique à une seule couche
atmosphérique
Radiation
Radiations absorbées provenant de
émises
Surface Couche
Soleil
terrestre atmosphérique
1. Surface
(ߨܴଶ)ܵ(1 − ܽଵ)(1 − ߙ) / (4ߨܴଶ)ߝଵߪܶଵସ (4ߨܴଶ)ߪܶௌସ
terrestre
2. Couche
(ߨܴଶ)ܵܽଵ (4ߨܴଶ)ߝଵߪܶௌସ / 2(4ߨܴଶ)ߝଵߪܶଵସ
atmosphérique
l’énergie sont (après avoir simplifié toutes les équations par(4ߨ ܴ2)):
ௌబ
(1 − ܽଵ)(1 − ߙ) + ߝଵߪܶଵସ = ߪܶௌସ : Bilan énergétique de la Terre.
ସ
ௌబ
ܽଵ + ߝଵߪܶௌସ = 2ߝଵߪܶଵସ : Bilan énergétique de l’atmosphère.
ସ
Etant données les paramètres (ߙ, ܽଵ, ܵ, ߪ, ߝଵ), la résolution de ces deux équations
déterminent les températures d’équilibre de la surface terrestre ܶ௦ ainsi que celle de la
couche atmosphériqueܶଵ.
ௌ ଶ[(ଵିభ)(ଵିఈ)]ାభ ଵ/ ସ
ܶௌ = ቄସఙబ ቅ Équation 25
(ଶିఌభ)
ௌ (ଵିభ)(ଵିఈ)ఌభାభ ଵ/ ସ
ܶଵ = ቄସఙబ ቅ Équation 26
ఌభ(ଶିఌభ)
Malgré les simplifications contenues dans ce modèle radiatif à une seule couche,
celui-ci peut rendre compte du processus d’effet de serre. Ce dernier peut être interprété
comme le surcroit de température à la surface terrestre induit par l’émission de
rayonnement de la couche atmosphérique vers la terre.
92
En effet, en l’absence de ces émissions de radiations infrarouges par la couche
atmosphérique, (et donc avec ߝଵ = 0), la température sur la surface terrestre serait de la
forme suivante:
ଵ/ ସ
1
ܶௌ = ൜ (2 ܣ+ )ܤൠ
ߪ
(ଵିఈ)(ଵିభ)ௌబ భௌబ
où on a noté par = ܣቀ ቁ, et par = ܤ
ସ ସ
்ೄ ଶ
= > 1.
்ೄబ ଶିఌభ
Ainsi, la présence d’une atmosphère avec une émissivité égale à ߝଵ, en réemettant en
direction de la surface terrestre une partie des radiations absorbées en provenance de la
terre a pour effet de créer un effet de serre qui a pour conséquence de réchauffer la
température de la surface terrestre.
Pour en donner l’ordre de grandeur prédit par ces modèles, on a simulté ces
températures pour les valeurs suivantes des paramètres du modèle :
Tableau 18 : paramètrage du modèle EBM avec une couche atmosphèrique
ߙ 0.3 0.3
ܽଵ 0.3 0.3
ܵ 1367 1367
ߪ 5.67E-08 5.67E-08
ߝଵ 0 0.8
Les résultats générés par ces simulations sont données dans le tableau ci-dessus :
93
Tableau 19 : Simulation de l’effet de serre dans un modèle à une couche
atmosphèrique
34
Surface terrestre 249.2K (= - 23.8°C) 283.2K (=10.2°C) °C=[10.2-(-
23.8)]
Afin de rendre compte du gradient thermique induit par la présence des multiples
couches atmosphérique, on généralise le modèle climatique présenté ci-dessus à deux
couches atmosphériques pour donner plus de consistance à la dimension verticale et
déduire l’évolution de la température en fonction l’altitude.
Avec les mêmes hypothèses H1-H4 présentées ci-dessus, la figure suivante 34 décrit
les échanges thermiques entre la surface de la terre et les deux couches de l’atmosphère
terrestre :
94
ࡿ
ࢿ࣌ࢀ
ࢿ࣌ࢀ
࣌ࢀࡿ
surface terrestre
Figure 34 : Structure d’un modèle EBM avec deux couches atmosphérique
Elle irradie à son tour la surface de la terre ainsi que la couche supérieure de l’atmosphère
(figure 34 et ligne 2 du tableau 20).
95
Tableau 20 : Bilan radiatif du système terrestre (avec deux couches
atmosphériques)
1. Surface ܵ (1
terrestre (1 − ܽଵ)(1 − ߙ) / ߝଵߪܶଵସ − ߝଵ)ߝଶߪܶଶସ ߪܶௌସ
4
2. Couche
ܵ
atm. ܽ ߝଵߪܶௌସ / ߝଵߝଶߪܶଶସ 2ߝଵߪܶଵସ
inférieure
4 ଵ
3. Couche
atm. / (1 − ߝଵ)ߝଶߪܶௌସ ߝଶߝଵߪܶଵସ / 2ߝଶߪܶଶସ
supérieure
ܵ
(1 − ܽଵ)(1 − ߙ) + ߝଵߪܶଵସ + (1 − ߝଵ)ߝଶߪܶଶସ = ߪܶௌସ
4
ܵ
ܽ + ߝଵߪܶௌସ + ߝଵߝଶߪܶଶସ = 2ߝଵߪܶଵସ
4 ଵ
Etant données les paramètres (ߙ, ܽଵ, ܵ, ߪ, ߝଵ, ߝଶ), ces trois équations déterminent les
températures d’équilibre de la surface terrestre ܶ௦ ainsi que celle des deux couches
atmosphériques ܶଵet ܶଶ.
(ଵିఈ)(ଵିభ)ௌబ భௌబ
On note comme précédemment par = ܣቀ ቁ, et par = ܤ .
ସ ସ
96
/ସ
1 4 ܣ− Aߝଵߝଶ + 2 ܤ+ ߝܤଶ(1 − ߝଵ) ଵ
ܶௌ = ൜ ൠ
ߪ (2− ߝଵ)(2 − ߝଶ)
ଵ/ ସ
1 ߝ[ܣଵߝଶ(1 − ߝଵ) + 2ߝଵ] + [ܤ2 − (1 − ߝଵ) ଶߝଶ]
ܶଵ = ቊ ቋ
ߪ ߝଵ(2− ߝଵ)(2 − ߝଶ)
ଵ/ ସ
1 ߝ[ܣଵߝଶ + 2(1 − ߝଵ)ߝଶ] + ([ܤ1 − ߝଵ)ߝଶ + ߝଶ]
ܶଶ = ቊ ቋ
ߪ ߝଶ(2− ߝଵ)(2 − ߝଶ)
On a simulté ces températures pour les mêmes valeurs des paramètres issues des
simulations précédentes (Tableau 13 colonne 3) en plus de ߝଶ = 0.3 avec les résultats
suivant :
Tableau 21 : Simulation de l’effet de serre dans un modèle à deux couches
atmosphèriques
13
La température particulièrement basse de la deuxième couche atmosphérique s’explique par l’hypothèse
qu’on a faite de la transparence de cette couche aux rayons du soleil (pas d’absorption de ces rayons par cette
couche). Cette hypothèse était nécessaire pour simplifier la résolution du système d’équations du bilan
énergétique.
97
3.2.2.3.4. La validité du modèle climatique EBM à une dimension verticale : le
prolongement radiatif-convectif
L’importance des modèles EBM à une dimension est d’avoir formalisé une relation de
dépendance de la température de l’altitude. Toutefois, si ces modèles montrent bien
l’existence d’un gradient thermique vertical négatif, leur prédiction de la sensibilité de la
température à l’altitude n’est pas formellement conforme aux observations.
Manabe et al. (1964) et Manabe et al.(1967) notamment ont étudié cette question à
travers un modèle plus complexe que le simple modèle EBM exposé ci-dessus. Les résultats
auquel ces auteurs aboutissent est que l’équilibre radiatif pur surestime la température à la
surface de la terre et sous-estime la température en haut de l’atmosphère comme le montre
la figure ci-dessous.
Pour corriger ces biais, Wanabe et al. (1964 ; 1967 ; 1980) et Ramanathan et al.
(1978) ont construit un modèle climatique qui incorpore le processus de transfert radiatif
mais également un processus d’ajustement convectif qui approxime les transferts de
chaleurs véhiculés par la circulation de l’air dans l’atmosphère. Beaucoup d’auteurs
considèrent ce modèle comme le précurseur des modèles de circulation globale (McGuffiek
et Henderson-Sellers, 2005).
Dans les modèles EBM, l’énergie libérée par la surface terrestre est supposée
exclusivement formée de radiations électromagnétiques. Cependant, une partie de l’énergie
émise par la terre l’est également sous forme de chaleur sensible et latente (cf. figure 28) de
sorte que les transferts d’énergie de la surface terrestre vers l’atmosphère prennent la
forme à la fois de rayonnement, de chaleur latente et de chaleur sensible.
La chaleur sensible est transférée de la terre vers l’atmosphère par le contact de l’air
avec la surface terrestre. La terre étant plus chaude que l’atmosphère (Equation 27), elle
tendra à réchauffer les masses d’air qui s’élèveront dans l’atmosphère par une dynamique
de convection (dry convection car sans changement d’humidité) et conduiront à un
réchauffement de l’atmosphère. Ce processus atténue ainsi le gradient thermique donnant
plus de réalisme au modèle.
Parallèlement, pour autant que l’eau soit disponible, la phase de passage de l’eau de
l’état liquide à l’état de vapeur, soit par l’évaporation ou l’évapotranspiration s’accompagne
par un emmagasinement par la vapeur d’eau de l’énergie libérée par la terre sous forme de
chaleur latente. Cette chaleur est ensuite libérée à des altitudes plus élevées (moist
convection) lors de la transformation de la vapeur d’eau en eau liquide (par suite de la
condensation) permettant ainsi de réchauffer les hautes altitudes de l’atmosphère.
Ces deux processus de convection, qui se superposent aux échanges radiatifs, ont été
formalisées par les modèles radiatifs-convectifs et ont pour conséquence de réduire le
gradient thermique et de prédire des températures plus conformes aux observations.
99
3.2.3. UNE MODELISATION SIMPLE DU FORÇAGE
CLIMATIQUE
Les modèles climatiques présentés ci-dessus, malgré leur simplicité, ont permis de
mettre en évidence les premières interdépendances du système climatique. Leur apport est
de montrer que le climat n’est pas simplement une moyenne de variables météorologiques
mais un système dont l’évolution est gouvernée par des processus de différente nature
(échange d’énergie, processus de convection), complexes et interdépendants.
Nous étudions dans cette section les changements climatiques induits par le forçage
en analysant successivement chacun des trois éléments de la séquence : le forçage
climatique (avec ses différentes formes, les gaz qui en sont à l’origine et son évaluation), la
réponse du système climatique au forçage radiatif (à travers notamment la modification de
la température de la surface terrestre) ainsi que les processus de feedbacks qui suivent
généralement l’impulsion initiale donnée par le forçage climatique (en nous concentrant sur
le feedback de la vapeur d’eau dans la perturbation de l’effet de serre).
100
système climatique qui conduit à l’effet de serre est imposée par la variation de l’émission
de dioxyde de carbone notamment dans l’atmosphère. Le forçage est ainsi l’impulsion
première du processus de changement climatique.
― Parmi les variables de forçage naturel, on distingue les variations dans l’irradiation
solaire ainsi que les émissions volcaniques d’aérosol lors des grandes éruptions.
D’autres types de forçage existent mais sont peut étudiés.14 La connaissance de ces
processus naturels et anthropogéniques qui affecte l’équilibre énergétique est importante
pour comprendre les causes du changement climatique par le passé et dans le futur.
Toutefois, on se limite dans ce travail aux facteurs anthropogéniques et parmi ceux-ci aux
forçages radiatifs et plus particulièrement à l’effet de serre. C’est en effet ce processus qui
continuera, selon l’IPCC, à dominer le changement climatique pour une longue période :
‘Cumulative emissions of CO2 largely determine global mean surface warming by the late
21st century and beyond. Most aspects of climate change will persist for many centuries
even if emissions of CO2 are stopped. This represents a substantial multi-century climate
change commitment created by past, present and future emissions of CO2’. (International
Panel for Climate Change (IPCC, 2013: 27)).
14
Ce sont les forçages non radiatifs et que le National Reasearch Council recommande d’étudier plus
précisément : ‘Several types of forcings—most notably aerosols, land-use and land cover change, and
modifications to biogeochemistry—impact the climate system in non-radiative ways, in particular by
modifying the hydrological cycle and vegetation dynamics. Aerosols exert a forcing on the
hydrological cycle by modifying cloud condensation nuclei, ice nuclei, precipitation efficiency, and the
ratio between solar direct and diffuse radiation received. No metrics for quantifying such non-
radiative forcings have been accepted.’ (Committee on Radiative Forcing Effects on Climat, 2005 : p
14).
101
3.2.3.1.2. Les gaz responsables du forçage radiatif.
Quels sont les principaux gaz dans l’atmosphère responsables de l’effet de serre,
c’est-à-dire qui entraînent un accroissement de l’absorptivité ߝଵ de l’atmosphère ? Comme
on l’a vu, ce sont des gaz qui ont la propriété d’être relativement transparents aux radiations
solaires (à ondes courtes) mais en même temps d’absorber et d’émettre les radiations
infrarouges reçues de la surface terrestre. Pierre humbert, R. T. (2010: p 148) définit les gaz
à effet de serre ainsi : ‘Assume that a gas is transparent to solar radiation but interacts
strongly enough with infrared that when a sufficient amount is mixed into a parcel of air, it
turns that parcel into an ideal blackbody. Such a gas, which is fairly transparent to the
incoming shortwave stellar radiation but which interacts strongly with the outgoing
(generally infrared) emitted radiation, is called a greenhouse gas’.
Cette émission de CO2 s’est brutalement accrue sur la période récente comme le
montre la figure (35) ci-dessous.
15
Le site de ce Centre: http://cdiac.ornl.gov/
102
Source : Pierrehumbert (2010) page 59 : La concentration est mesurée par
le nombre de molécules de CO2 par million de molécules d’air. La première
partie des données (1750-1950) est tirée de l’analyse de l’air piégé dans la
glace du Siple Dome Antarctic. Les données plus récentes proviennent de
l’observatoire de Mauna Loa.
La concentration du dioxyde de carbone selon l’IPCC s’est accrue de 40% par rapport
à l’ère préindustrielle principalement du fait de l’émission de fuel fossile dont 30% ont été
absorbés par les océans causant par ailleurs leur acidification. (IPCC (2013, p 11))
103
Source: National research council NRC (2005).
Figure 37 : Cadre conceptuel du forçage climatique
104
en est à l’origine). Enfin, depuis l’avènement des satellites, la balance radiative de la couche
supérieure de l’atmosphère peut désormais être mesurée à l’aide des instruments placés à
bord de ces satellites notamment à la faveur du programme ERBE (Earth Radiation Budget
Experiment) développé par les missions climatiques de la NASA (Kidhl et Ramanathan, 2006 :
p 120).
a. Le cadre d’analyse
La question étudiée est alors de savoir quel doit être la réponse de la température ܶௌଵ
de la surface terrestre au forçage radiatif.
Pour répondre à cette question, on se place dans le cas le plus simple d’un modèle à
une seule couche atmosphérique étudié ci-dessus en faisant de plus l’hypothèse
simplificatrice que l’absorptivité de la couche atmosphérique ܽଵ est nulle de sorte que cette
couche est transparente aux rayons solaire (à ondes courtes) mais ne l’est pas vis-à-vis des
radiations émise par la couche terrestre (grandes ondes).
105
Dans ce cas, les équations (25) et (26) ci-dessus donnant les températures d’équilibre
de la surface terrestre et de la couche nuageuse s’écrivent (avec ܽଵ = 0):
ܵ
(1 − ߙ) + ߝଵߪܶଵସ = ߪܶௌସ
4
ߝଵߪܶௌସ = 2ߝଵߪܶଵସ
ௌ ଶ(ଵିఈ) ଵ/ ସ
ܶௌ = ቄସఙబ (ଶିఌ ) ቅ Équation 28
భ
ௌ (ଵିఈ) ଵ/ ସ
ܶଵ = ቄସఙబ (ଶିఌ )ቅ Équation 29
భ
ଵ/ ସ
1 ܵ 1
݀Tௌ = ൜ 2(1 − ߙ)ൠ ହ ݀ߝଵ
4 4ߪ (2− ߝଵ) ൗସ
et donc:
ଵൗ
ଵ ௌబ ଶ(ଵିఈ) ସ
݀ܶௌ = ቄ
ସ ସఙ (ଶିఌభ)ఱ
ቅ ݀ߝଵ Équation 30
݀Tௌ = ݂݀ߝଵ
avec:
ଵൗ
1 ܵ 2(1 − ߙ) ସ
݂= ቊ ቋ
4 4ߪ (2− ߝଵ)ହ
106
On voit qu’une augmentation de l’absorptivité de l’atmosphère (݀ߝଵ > 0), comme
c’est le cas en présence d’une augmentation des émissions de dioxyde de carbone par
exemple, entraîne un accroissement de la température à la surface terrestre de ݂݀ߝଵ et
entraine ainsi une perturbation de l’effet de serre naturel.
Cette relation peut être utilisée pour simuler même approximativement l’impact
direct d’un accroissement de l’absorptivité de la couche atmosphérique passant de
ߝଵ = 0.85 à ߝଵ = 0.88 (݀ߝଵ = 0.03). Cette accroissement d’absorptivité correspondant
approximativement à un doublement de l’émission de ܱܥଶ de la surface terrestre (Neullin
2011: page 201). L’équation 30 permet alors de déduire une augmentation de la
température de la surface de la terre ݀ܶௌ de 1.9°K. Cette réponse du système climatique à la
perturbation de l’effet de serre est naturellement peu précise compte-tenu de la simplicité
du modèle. Toutefois, elle ne s’écarte pas excessivement de l’estimation fournie par l’IPCC
qui situe l’augmentation de la température terrestre à un doublement de ܱܥଶ dans un
intervalle de 1.0°K à 1.2°K.
107
la couverture nuageuse des rayons solaires (l’albédo des nuages) ainsi que
l’absorption par les nuages des radiations infrarouges émises par la surface terrestre.
Tous ces processus de feed-back ont comme conséquence d’affecter dans un processus
en chaîne la température de la surface terrestre.
Plus grande
concentration de
l’atm. en vapeur
16
L’accroissement de la température de 4.8 degrés mais il intègre une grande part d’incertitude. Neullin note à
ce propos :”As may be seen from the implied temperature change, the size of the global average warming
increases substantially when positive feedbacks are included. While 1°C warming (if it occurred slowly) might
be acceptable, a 4 ◦C warming would have substantial consequences. And unfortunately, the feedbacks are in
some of the most complex and difficult to model parts of the climate system. This results in the differences
among the models that give the ranges shown, which can be viewed as rough estimates of the error bars on
the representation of each process ». Neullin (2011, page 204).
108
Tableau 22 : Contribution des différents feedbacks à l’accroissement de la
température de la surface terrestre (en °K)
Si les modèles EBM ou leur prolongement radiatif convectif donnent comme on l’a vu ci-
dessus les grands principes de la modélisation climatique et permettent d'avoir une bonne
compréhension des processus en œuvre, ils restent pour autant trop simples pour avoir un
caractère opérationnel.
Dans le but d’approcher davantage la réalité, des modèles variant en complexité ont été
construits parmi lesquels les modèles de circulation globale (GCM) figurent au sommet de la
hiérarchie. Les GCM sont une représentation des différentes sphères du système climatique
et de leur processus d’échange. Ils font notamment intervenir la circulation
atmosphérique et océanique à l'échelle planétaire. Les plus simples modélisent uniquement
la circulation atmosphérique incluant les multiples processus et les interactions entre ces
processus et les plus complexes prennent en compte plusieurs composantes du système
climatiques dans un modèle globale.
Plusieurs types majeurs de GCM peuvent être distingués dont nous présentons ci-
dessous quelques variantes.
Ces modèles sont une représentation de l'atmosphère avec ses trois dimensions avec
des horizons de prévision pouvant aller de dizaines d'années à des siècles. Ces modèles
nécessitent des données sur les températures à la surface des océans, sur l'étendue des
109
glaces et les échanges avec la surface terrestre et la biosphère. C'est pourquoi ils sont
souvent couplés, au moins, à un modèle de la surface terrestre et de la cryosphère (glaces).
Ces modèles de circulation océanique générale sont similaires aux AGCM, mais sont
appliqués aux océans. Ils sont utilisés dans l'étude de la circulation océanique et de ses
variations (température, salinité, chimie,...). Ils doivent cependant être alimentés
par des données de température de l'air à la surface, ainsi que d'autres propriétés
atmosphériques (taux de CO2,...).
Depuis les années 1990, les supercalculateurs ont permis de faire la jonction entre les
AGCM et les OGCM, afin d'obtenir des modèles plus performants. Ceux-ci prennent en
compte les interactions complexes entre les océans, l'atmosphère et les terres.
110
Figure 39 : La progression des modèles EBM vers les GCM
source : http://www.ipcc.ch/graphics.htm
Figure 40 : L’évolution de la conception des GCM depuis 1970
111
3.2.4.2. Les objectifs des GCM
― Un "cœur" hydrodynamique ;
Pour sa formalisation, le GCM se donne l’espace dans ses trois dimensions qui est
discrétisé suivant une degré de finesse qui détermine la résolution du modèle. Le modèle
détermine alors les échanges climatiques (radiations, chaleur, humidité, etc.) qui ont lieu
entre les grilles de discrétisation adjacentes (figure 41).
112
Ainsi, la complexité des GCM n’est pas seulement théorique du fait de la complexité
des processus formalisés. Elle est aussi d’ordre opérationnel : en raison de la dimension de
ces modèles et de la multiplicité des processus qui sont inclus, les simulations de GCM
nécessitent un temps d’exécution informatique très long. Par exemple, une simulation
couvrant un siècle prend généralement plusieurs semaines pour être réalisée sur les
ordinateurs les plus puissants. Cependant, comme la puissance de calcul des ordinateurs
augmente de plus en plus, des simulations plus longues avec une résolution plus élevée
deviennent faisables, offrant plus de détails régionaux que les modèles antérieurs (Goosse et
al., 2010).
113
En conclusion, on peut dire que « l’approche physique » des changements
climatiques, à l’inverse de la modélisation statistique, offre une explication plus riche des
évolutions climatiques en faisant intervenir les lois qui gouvernent l’évolution du système
climatique.
Cependant la limite essentielle de cette modélisation est l’échelle trop large de ces
modèles, à l’instar des GCM, dont la conséquence est que certains processus importants
comme la formation des nuages et les précipitations ne peuvent être envisagés car ils
opèrent à une échelle beaucoup plus réduite que la dimension des grilles des GCM.
Autrement dit, la faible résolution des modèles climatiques ne permet pas de discerner les
spécificités locales qui influencent le climat de la région étudiée.
Le dépassement de cette limite est nécessaire pour créer un pont entre les modèles
GCM et les questions opérationnelles de management des ressources hydrique des régions
qui est notre préoccupation. C’est à cette question que la section suivante sera consacrée.
114
3.3. LA PREVISION DES CHANGEMENTS CLIMATIQUES DE LA
WILAYA D’ORAN PAR LE DOWNSCALING STATISTIQUE
Après avoir donné un aperçu sur la modélisation climatique et les modèles de circulation
globale, on se propose de projeter les variables climatiques de la région d’Oran en utilisant
les méthodes de réduction d’échelle statistique des modèles climatiques de circulation
globale (statistical downscaling).
Peu d’études à notre connaissance ont été consacrées à ces méthodes de projection et
de simulation des variables climatiques pour les régions algériennes à l’inverse d’autres
régions comme l’Iran (Ahmadi et al. 2014), le Maroc (Riffai et al., 2015 ; Wilby, 2005) ou
l’Egypte Kamel et al. (2016).
Comme nous l’avons souligné plus haut, les modèles climatiques, notamment les
modèles de circulation globale, ont pour avantage de formaliser les processus
climatologiques et hydrologiques complexes. Ce sont les principaux modèles utilisés pour
prévoir avec une bonne précision les changements dans les variables climatiques à l’échelle
globale ou à l’échelle des continents en présence de forçage anthropogéniques (gaz à effet
de serre et aérosols).
Toutefois, l’étude de l’évolution des variables climatiques n’est pas une fin en soi. Ce qui
est important est l’impact que ces changements climatiques peuvent avoir à l’échelle de la
région étudiée : ‘Modelling precipitation, in most cases, is not an end in itself but provides a
product (in the form of data or information) to an “end user”. Their goal may be, for
example, to understand and potentially act upon the impacts that are likely to be caused by a
localized climate extreme or by a future change in the climate. End users range from policy
makers, through planners and engineers, to impact modelers’, (Maraun et al., 2010.p 3). Or,
la limite des GCM se situe précisément dans leur application à un niveau local du fait de la
faiblesse de leur résolution. En effet, la résolution d’un modèle de circulation globale est en
général de l’ordre de plusieurs centaines de kilomètres. Cette résolution est trop faible pour
115
donner lieu à une utilisation sous forme d’étude d’impact et à des résultats opérationnels à
une échelle réduite. En effet, à un niveau régional, le climat local et l’impact du forçage sur
celui-ci dépendent des caractéristiques topographiques, de la nature spécifique du couvert
végétal ou bien encore de la localisation de la région (côtière ou située à l’intérieur du pays).
Les GCM du fait de leur résolution réduite ne peuvent pas prendre en compte ces
hétérogénéités dans les régions. Or, les pouvoirs publics sont intéressés par connaître
l’impact des changements climatiques sur les processus hydrologiques et sur l’agriculture
par exemple à cette échelle afin de prendre les mesures opérationnelles susceptibles
d’atténuer ces effets. En conséquence, on peut dire qu’il existe un gap entre le faible niveau
de résolution des modèles de circulation globale qui ne permet pas prendre en compte
l’hétérogénéité des régions et prédire l’impact des changements climatiques sur des sites
locaux d’une part et, d’autre part, l’échelle locale au niveau de laquelle on doit appréhender
les changements climatiques du point de vue opérationnel et mener les études d’impact de
ces changements (Maraun et al., 2010 ; Abdel-Fattah,2012 ; Varis et al. 2004).
Deux grands ensembles d’approche sont généralement utilisées pour projeter les
résultats des modèles de circulation globale à l’échelle locale : le downscaling dynamique et
le downscaling statistique que nous tenterons de présenter brièvement ci-après.
116
incertitudes propres aux modèles GCM eux-mêmes et les limites sur les informations à
l’échelle locale sur la région. De plus, les modèles régionaux sont très demandeurs en
données et en ressources informatiques (Hay et al., 2003, p57).
Pour ces raisons, nous nous sommes concentrés dans ce travail sur l’approche du
downscaling statistique que nous utiliserons dans la suite de ce travail. L’apport de cette
démarche est qu’elle produit des prévisions locales directement utiles pour la gestion des
ressources hydrologiques et notamment pour la minimisation des impacts des changements
climatiques. Relativement aux GCM et aux modèles régionaux, les modèles de downscaling
statistique (SDSM : Statistical DownScaling Models)) permettent d’obtenir une plus forte
désagrégation des changements climatiques permettant de prendre en compte les
spécificités locales en termes de topographie, de végétation et de nature des sols. Par
ailleurs, il faut remarquer que même comparativement aux modèles de circulation régionale,
leur application requiert moins de données climatiques ce qui est un avantage très précieux
compte tenu de la difficulté et le coût pour obtenir des séries climatiques suffisamment
longues dans beaucoup de pays y compris dans notre région d’étude.
3.3.3.1. Le principe
Dans son principe, le downscaling statistique consiste à établir sur une période
donnée une relation ݂ entre :
117
General Circulation
Model
RegionalCirculation
Model
StatisticalDownScal
ing
Zone d’étude
― une variable climatique intervenant à l’échelle locale (ܻ) appelée prédictand qui est
généralement les températures ou les précipitations dans la région d’étude :
ܻ = ݂(ܺ, ߚ)
118
Le tableau suivant résume les informations sur les variables et les paramètres de la fonction
de transfert ݂:
Tableau 23 : Variables et paramètres de la fonction de transfert
― Les prédicateurs utilisés et provenant des GCM sont correctement modélisés par ces
derniers modèles ;
― La fonction de transfert qui relie sur la période passée les prédicteurs et les
prédictants reste valable pour les périodes futures, et donc que cette relation reste
stable dans le temps.
On suppose dans ce travail que toutes ces hypothèses sont réunies afin de pouvoir
appliquer cette méthode de projection climatique à notre région d’étude tout en prenant
soin de choisir de manière appropriée les prédicteurs et la fonction de transfert.
119
Tableau 24: Schéma général de l’approche par le downscaling statistique
Calibration des
paramètres du modèle
Simulations utilisant
les données du NCEP
Validation du
calibrage du modèle
Résultats et
conclusions
Source : adapté de Hessami et al. (2008, p 815).
Procéder au downscaling des résultats d’un GCM revient alors à suivre de manière
successive les étapes suivantes :
― Après avoir retenu le GCM devant faire l’objet du downscaling et identifier la maille
de la grille du GCM correspondante à la région d’étude d’Oran, la première étape est
d’étudier les séries climatiques provenant de la station climatique d’études pour
traiter des observations manquantes, des erreurs de saisie ou des valeurs aberrantes.
― Cette étape est suivie du choix des prédicteurs provenant du GCM à travers une
analyse de corrélation permettant d’évaluer la sensibilité entre les prédicteurs
potentiels et les prédictands de la région d’étude.
120
― Une fois les prédicteurs les plus pertinents retenus, la fonction de transfert est
calibrée séparément pour chacune des variables climatiques (précipitations,
températures moyennes, températures maximales et températures minimales) afin
de parvenir pour chacune de ces variables à une estimation des paramètres ߚ de la
fonction de transfert. La procédure de calibrage est répétée jusqu’à ce qu’une
validation acceptable soit obtenue.
― Les données de projection des prédicteurs sont ensuite extraites du GCM pour les
différentes périodes futures retenues (par exemple pour ce qui nous concerne pour
les trois périodes centrées sur 2025s (2006-2035) ; 2055s (2036-2065) et 2085s
(2066-2099) et insérer dans la fonction de transfert ainsi calibrée pour obtenir les
projections du changement climatiques dans la région d’étude sur les mêmes
périodes.
Wilbyet al. (2007) ont élaboré un logiciel SDSM intégrant les différentes étapes de la
procédure de downscaling statistique. Ce logiciel permet de projeter les évolutions
climatiques par l’approche du downscaling statistique.
121
Neuf modules composent ce logiciel qui sont détaillés dans le tableau 25 ci-dessous :
122
Dans la suite de ce travail, on se propose d’utiliser la programmation de ce logiciel
pour appliquer la méthode de downscaling statistique et étudier l’évolution des variables
climatiques dans la wilaya d’Oran.
Par manque de séries climatiques longues sur les précipitations et les températures
sur le territoire de la wilaya d’Oran, nous avons été amenés à s’intéresser à la seule station
climatique d’Es-Sénia qui est l’unique station pour laquelle les observations climatiques
journalières et suffisamment longue sont disponibles, ces dernières s’étalant sur la période
1980-2007.
123
L’une des solutions recommandées pour réduire les imprécisions portées par les
modèles de circulation globale est de considérer plusieurs de ces modèles et de prendre en
compte la moyenne des prédictions générées par ces modèles. Cependant, compte tenu de
la complexité de ces modèles et surtout de l’exigence d’homogénéiser leur résolution
respective si on veut les utiliser simultanément, nous n’avons retenu que :
Dans la suite, nous donnons quelques indications sur NCEP/CAR qui sera utilisé en
renvoyant la description de HadCM3 à la section relative aux projections climatiques sur le
long terme.
Alors que les données de HadcM3 sont utilisées pour les projections de l’évolution des
variables climatiques à l’horizon de la prévision allant jusqu’en 2099, en revanche, pour le
calibrage des paramètres de la fonction de transfert et sa validation, nous mettrons en
relation les données climatiques de ré-analyses issues du modèle de circulation globale
NCEP/NCAR avec les données locales de la station d’Es-Sénia.
124
On doit enfin souligner que l’utilisation des modèles de circulation globale à large
échelle, - NCEP/NCAR et HadCM3 dans notre cas -nécessite deux étapes préalables :
C’est pourquoi la réduction d’échelle est nécessaire lorsqu’on doit étudier la région
d’Oran si on veut capter les spécificités naturelles et hydrographiques de la zone d’étude.
17
http://www.cccsn.ec.gc.ca/?page=pred-hadcm3.
125
3.3.5.3. La détermination de la fonction de transfert : forme, calibrage et
validation. Le cas des températures
Ainsi, si l’étude est mensuelle, douze fonctions de transfert doivent être estimées
chacune d’elles décrivant l’évolution climatique d’un mois donné (janvier par exemple) au
cours du temps. Les paramètres ߚ seront alors spécifiques à ce mois.
Enfin, si les données sont journalières, une seule fonction de transfert sera estimée
pour l’ensemble de la période considérée avec des paramètres ߚ affectés aux variables ܺ
constants dans le temps (Wilby et al., 2002, p 33).
Nous retenons pour notre part des observations journalières permettant d’utiliser
l’ensemble des données et d’avoir le maximum d’observations bien que nous présenterons à
126
certaines occasions nos résultats avec une périodicité mensuelle ou saisonnière pour une
illustration.
Le tableau suivant présente la liste de l’ensemble des prédicteurs (avec leur sigle et
une brève description) de NCEP/NCAR qui peuvent être utilisées dans le logiciel SDSM.
127
vitesse à 500 hPa à 500 hPa
Composante méridienne Humidité relative
10 Ncep_p5v_eu 23 Ncep_r850_eu
de vitesse à 500 hPa à 850 hPa
Humidité relative
11 Ncep_p5z_eu Tourbillon à 500 hPa 24 Ncep_rhum_eu près de la
surface
Humidité
Direction du vent à 500
12 Ncep_p5th_eu 25 Ncep_shum_eu spécifique près
hPa
de la surface
Température
13 Ncep_p5zh_eu Divergence à 500 hPa 26 Ncep_temp_eu moyenne à 2
mètres
Source : Riffai et al. (2015, p 4)
*NB: La désignation des variables (Ncep_mslp_eu par exemple) obéit à la règle suivante : les quatre
première lettres (Ncep) renvoie à la désignation de la base de données (ici Ncep/Ncar), les deux
dernières lettres (_eu) à la grille du modèle Ncep/Ncar d’où les données sont extraites et les lettres du
milieu (mslp) à la nature climatique de la variable (mslp : mean sea level pression).
Le choix des prédicteurs ܺ doit faire référence aux processus climatiques expliquant
le mieux l’évolution des variables météorologiques dans la région d’Oran. Cependant, il est
reconnu que l’évolution climatique à moyen terme en Afrique du Nord est rendue difficile à
prévoir du fait de la variabilité naturelle du climat. Comme le soulignent Riffai et al. (2015)
dans leur étude sur la région de Tanger, ‘La variabilité naturelle du climat méditerranéen,
notamment en ce qui concerne les précipitations, est un frein à des projections précises
surtout lorsqu’on s’intéresse aux projections climatiques à moyen terme’. Ceci est valable
pour les températures et surtout pour les précipitations.
Bien plus, et plus directement en rapport avec l’approche du downscaling, il n’y a pas
de consensus sur le choix le plus approprié des prédicteurs. Ainsi, à titre d’exemple, Wilby
(2005), étudiant la projection des précipitations dans la région de Agadir, retient comme
prédicteurs la pression au niveau de la mer ; l’humidité spécifique à 850 hPa, la hauteur
géopotentielle à 850 hPa et la composante méridienne de vitesse à 850 hPa alors que Riffai
et al.(2014), étudiant une région proche, celle de Tanger, retiennent comme prédicteurs la
pression au niveau de la mer ; la vitesse d’écoulement géostrophique à la surface ; la
composante méridienne de vitesse à 850 hPa ; les tourbillons à 850 hPa et l’humidité relative
à 850 hPa.
128
Pour cette raison, nous nous sommes conformés à la démarche usuelle généralement
retenue pour sélectionner les prédicteurs adéquats : elle consiste à sélectionner parmi les 26
prédicteurs de la NCEP/NCAR ceux dont la corrélation avec les prédictants (températures et
précipitations dans la région d’étude d’Oran) est la plus forte.
Sur cette base, et après les calculs de corrélation –effectués par le logiciel SDSM-, nous
avons pu retenir pour les températures moyennes les prédicteurs issues du NCEP/NCAR
suivants :
La corrélation entre les valeurs de ces variables pour la maille centrée sur la région
d’étude (cf figure 43) et les températures moyennes de la région d’Oran est donnée par le
tableau 27 suivant :
Tableau 27: Corrélation entre les prédicteurs du NCEP/NCAR retenus et les températures
moyennes dans la région d’Oran (1980-2001)
Variables Codes NCEP/NCAR Coefficient de
corrélation
Ces mêmes prédicteurs sont retenus dans la fonction de transfert des températures
maximales et minimales. Les résultats du calcul de corrélations entre ces prédicteurs et les
températures maximales et minimales sont donnés dans le tableau 28 ci-dessous. Ils
révèlent une forte corrélation entre prédictant-prédicteurs dans le cas des températures
129
maximales. Toutefois, cette corrélation faiblit significativement pour les températures
minimales. On peut alors s’attendre à une précision plus faible s’agissant de la prévision des
températures locales minimales.
Tableau 28: Corrélation entre les prédicteurs du NCEP/NCAR retenus et les températures
maximales et minimales dans la région d’Oran (1980-2001)
Variables Codes Coef. de corrélation Coef. de corrélation
NCEP/NCAR temp. maximales temp. minimales
Une fois les prédicteurs identifiés se pose la question du calibrage des paramètres ߚ
de la fonction de transfert. L’estimation de ces paramètres dans l’équation (32 ci-dessous) a
été réalisée par la méthode de la régression linéaire multiple à l’aide du logiciel SDSM. La
période totale pour laquelle on dispose de données pour l’ensemble des variables s’étend de
1980 à 2001. En effet, les données réanalysées du NCEP/NCAR disponibles s’achèvent en
2001.
Tenant compte des prédicteurs retenus, la fonction de transfert (Eq. 31) se réécrit
sous la forme :
130
݉݁ݐé݈݈݁ܽܿ݁ݎݑݐܽݎ௧ = ܿ݁ݐ݊ܽݐݏ݊+ ߚଵ݊ܿ݁ݑ݂݁_௧+ ߚଶ݊ܿ݁500݁ݑ௧ +
ߚଷ݊ܿ݁ݏℎݑ݁ ݉ݑ௧ + ߚସ݊ܿ݁ݑ݁ ݉݁ݐ௧ + ߝ௧ Équation32
Les valeurs des paramètres ߚ s’obtiennent alors par la régression de la série des
températures locales sur la constante et les quatre variables constituant les prédicteurs. Les
résultats de ces régressions –donnant les valeurs des paramètres ߚ- sont présentés dans le
tableau 29 ci-dessous suivant que les données sont journalières ou bien trimestrielles ou
mensuelles.
Pour le modèle journalier auquel nous nous intéresserons le plus, les résultats du
calibrage nous permettent d’écrire la relation suivante à partir de la première ligne du
tableau 29.
131
Tableau 29: Calibrage des paramètres de la fonction de transfert
ࢼ ࢼ ࢼ ࢼ
Nbr
Constant ࢉࢋ ࢉࢋ ࢉࢋ ࢉࢋ
d’observations
ࢌࢋ࢛ ࢋ࢛ ࢙ࢎ࢛ ࢋ࢛ ࢚ࢋ ࢋ࢛
132
Les valeurs de ces prédicteurs sont données par le modèle de circulation globale
NCEP/CAR pour la grille correspondante à la région d’études d’Oran (cf figure 43).
Variables ߚଵ ߚଶ ߚଷ ߚସ
2 Nbr
climatiques R Constant ݊ܿ݁ ݊ܿ݁ ݊ܿ݁ ݊ܿ݁
d’observat.
locales ݑ݂݁ 500݁ݑ ݏℎݑ݁ ݉݁ݐ ݑ݁ ݉ݑ
températures
0.79 12.106 0.523 -0.400 2.961 2.641 5779
min
Ainsi, les fonctions de transfert qui permettent de réduire les variables du modèle de
circulation globale NCEP/CAR à l’échelle de la région d’étude d’Oran s’écrivent (avec les
définitions des variables données ci-dessus):
(ܶ݁݉ é )ݏ݈݁ܽ ݉݅ݔܽ ݉ݏ݈݈݁ܽܿݏ݁ݎݑݐܽݎ௧ = 23.023 + 0.385 ∗ (݊ܿ݁ )ݑ݂݁_௧ + 1.056 ∗
(݊ܿ݁_500݁ )ݑ௧ + 0.858 ∗ (݊ܿ݁ݏ_ℎ )ݑ݁ ݉ݑ௧ + 3.405 ∗ (݊ܿ݁ )ݑ݁ ݉݁ݐ_௧
Équation 34
(ܶ݁݉ é )ݏ݈݁ܽ ݉݅݊݅ ݉ݏ݈݈݁ܽܿݏ݁ݎݑݐܽݎ௧ = 12.106 + 0.523 ∗ (݊ܿ݁ )ݑ݂݁_௧ − 0.400 ∗
(݊ܿ݁_500݁ )ݑ௧ + 2.961 ∗ (݊ܿ݁ݏ_ℎ )ݑ݁ ݉ݑ௧ + 2.641 ∗ (݊ܿ݁ )ݑ݁ ݉݁ݐ_௧
Équation 35
Après avoir calibré les paramètres des différents modèles de réduction d’échelle, il
convient de s’interroger sur la qualité des estimations des paramètres obtenues. Pour cela,
on considère deux types de validation du calibrage :
133
― Le premier utilise les observations dans l’échantillon des données utilisés pour
l’estimation (validation interne) et consiste à comparer les valeurs simulées par le
modèle durant la période d’estimation 1980-1995 avec les données observées durant
cette même période.
En vue de rendre le graphe plus lisible, on a agrégé les observations et les simulations
en présentant leur moyenne annuelle:
134
20
temperature moyenne
15
10
5
0
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
temp. observé temp. simulé
135
a) Températures maximales b) Températures minimales
25
25
20
temperature minimale
temperature maximale
20
15
15
10
10
5
5
0
0
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
temp. observées temp simulées temp.observées temp. simulées
On constate que les températures maximales sont légèrement mieux reproduites que
les températures minimales bien que dans l’ensemble, on peut dire que la qualité de
l’ajustement à l’intérieur de l’échantillon est acceptable.
― Dans la première étape, on calcule les prévisions climatiques de la région d’Oran pour
la période 01/01/1996-31/12/2001 ;
A cet effet, la figure 46 ci-dessous présente le résultat obtenu pour ces deux étapes
en comparant les prévisions de température moyenne du modèle aux observations de la
station d’Oran durant la période 01/01/1996-31/12/2001.
136
20
15
temperature moyenne
10
5
0
La même procédure de validation externe rappelée plus haut est appliquée aux
températures maximales et minimales. Elle fournit les résultats suivants présentés dans les
deux graphes (figures 47 a et b) ci-dessous.
25
20
20
temperature maximale
temperature minimale
15
15
10
10
5
5
0
1996 1997 1998 1999 2000 2001 1996 1997 1998 1999 2000 2001
temp. observées temp. prévues temp. observées temp. prévues
137
En conclusion, le calibrage des différentes fonctions de transferts (33), (34) et (35) se
rapportant aux températures moyennes, minimales et maximales peut être utilisé pour
réduire à l’échelle de la région d’étude d’Oran les prévisions données par les modèles de
circulation globale.
Comme nous l’avons déjà relevé, la sélection des prédicteurs des précipitations est
plus difficile que celle des températures. Ainsi, Hessami et al., dans leur présentation d’une
méthode automatisée du choix des prédicteurs des précipitations dans la procédure du
dowscaling soulignent à propos des faibles coefficients de corrélation qu’ils obtiennent que
‘these relatively low explained variances underline the difficulty to downscale the
precipitation regime compared to the temperature.’ Hessami et al. (2008, p819). On doit
s’attendre donc à une plus faible qualité des résultats.
Tableau 31: Corrélation entre les prédicteurs du NCEP/NCAR retenus et les précipitations
(1980-2001)
Coef. de corrélation
Variables Codes NCEP/NCAR
précipitations
Pression au niveau moyen de la mer Ncep_msl_peu -0.14
Tourbillon à 850 hPa Ncep_p8_z_eu 0.23
Hauteur géopotentielle à 500 hPa Ncep_p500_eu -0.21
Humidité relative à 500 hPa Ncep_shum_eu -0.10
138
La fonction de transfert qu’on retient s’écrit donc :
Les résultats du calibrage des paramètres de cette fonction de transfert sont donnés
dans le tableau 32 ci-dessous :
(ܲݎéܿ݅ )ݏ݈݈݁ܽܿݏ݊݅ݐܽݐ݅௧ = 0.88 + 0.08 ∗ (ܰܿ݁ )݈ݏ ݉_௧ + 0.67 ∗ (ܰܿ݁_8_ )ݖ௧ −
1.29 ∗ (ܰܿ݁_500) ௧ + 0.68 ∗ (ܰܿ݁ݏ_ℎ ) ݉ݑ௧ Équation 37
avec la définition des variables climatiques du NCEP/CAR donnée dans le tableau 26 ci-
dessus.
18
On a dû supprimer l’année 1980 et 1981 car la plupart des données sur les précipitations dans la
station d’Es-Sénia pour ces deux années sont manquantes.
139
― Les premières comparent les simulations des précipitations dans la région d’étude
durant la période 01/01/1982 au 31/12/1995 avec les observations sur la même
période (figure 48 a) et donnent la valeur absolue de l’écart en pourcentage entre les
simulations et les observations (figure 48 b)
100
Précipitations journalières moyenne
Ecart précipitations
par année
60
.4 .6
40
.2
20
0
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
Précip. observées Précip. simulées
a) Précipitations observées et prévues (mm/j) b) Ecart entre précip. observées et prévues (%)
100
Précipitations journalières moyenne
Ecart précipitations
par année
60
.4 .6
40
.2
20
0
140
Là encore, les observations ainsi que les prévisions et les simulations sont agrégés par
année fin de présenter afin d’obtenir des graphes lisibles.
En résumé, les fonctions de transfert validées que nous utiliserons pour réduire, à
l’échelle de la région d’Oran, les prévisions climatiques données par les modèles de
circulation globale à l’horizon 2099 sont récapitulées dans l’encadré suivant :
Encadré : fonctions de transfert des différentes variables climatiques pour la région d’Oran
(ܶ݁݉ é )ݏ݈݁ܽ ݉݅݊݅ ݉ݏ݈݈݁ܽܿݏ݁ݎݑݐܽݎ௧ = 12.106 + 0.523 ∗ (݊ܿ݁ )ݑ݂݁_௧ − 0.400 ∗
(݊ܿ݁_500݁ )ݑ௧ + 2.961 ∗ (݊ܿ݁ݏ_ℎ )ݑ݁ ݉ݑ௧ + 2.641 ∗ (݊ܿ݁)ݑ݁ ݉݁ݐ_௧
(ܲݎéܿ݅ )ݏ݈݈݁ܽܿݏ݊݅ݐܽݐ݅௧
= 0.88 + 0.08 ∗ (ܰܿ݁ )݈ݏ ݉_௧ + 0.67 ∗ (ܰܿ݁_8_ )ݖ௧ − 1.29
∗ (ܰܿ݁_500) ௧ + 0.68 ∗ (ܰܿ݁ݏ_ℎ ) ݉ݑ௧
141
avant de présenter les simulations d’impacts de ces scénarios sur les températures
moyennes et extrêmales ainsi que sur les précipitations dans la région d’étude.
Les différentes fonctions de transferts rappelées dans l’encadré ci-dessus décrivent des
relations passées entre les variables climatiques locales ݕ௧ et les prédicteurs qui sont des
variables climatiques ܺ௧ issues du GCM (NCEP/CAR):
Pour réaliser les prévisions climatiques locales ܻ௧ (températures et précipitations) pour les
dates futures jusqu’en 2099 par la méthode du dowscaling statistique, on suppose que ces
mêmes relations restent vérifiées durant toute notre période de prévisions :
Cependant, nous n’utiliserons plus les variables ܺ௧ issues du modèle de circulation
global NCEP/CAR) mais les mêmes variables ܺ௧ issues du modèle de circulation globale
HadCM3 pour lesquelles on dispose des projections jusqu’en 2099.
Ce modèle est un des plus importants modèles climatiques utilisé par l’lnternational
Panel for Climate Change (IPCC). Il a ainsi été l’un des principaux modèles utilisé pour le
troisième et quatrième rapport d’évaluation de l’IPCC.
Comme pour l’ensemble des GCM, celui-ci est construit sur une échelle large de
plusieurs centaines de kilomètres. La composante atmosphérique (HadAM3) du modèle
possède 19 niveaux de résolution de 2.5 degrés de latitude par 3.75 degrés de longitude
produisant une résolution spatiale d’environ 417 km x 278 km à l’Equateur se réduisant à
295 km x 278 km à environ 45 degrés de latitude.19
19
http://www.ipcc-data.org/sres/hadcm3_info.html
142
La composante océanique (HadOM3) possède 20 niveaux avec une résolution de 1.25
x 1.25 degrés. A cette résolution, il est possible de représenter d’importants détails dans la
structure des courants marins des océans.
Ce modèle, développé en 1999, a été le premier modèle climatique qui n’a pas
nécessité de flux d’ajustement ‘artificiels’ pour produire de bonnes simulations ne dérivant
pas vers des situations climatiques irréalistes (Gordon et al. , 2000).
Les simulations dans ce modèle utilisent un calendrier de 360 jours où chaque mois
possède 30 jours et se prolonge jusqu’à l’horizon du 30/12/2099.
Les scénarios utilisés sont ceux élaborés par l’IPCC dans le Special Report on Emission
Scenarios (SRES). Ceux-ci sont des représentations de ce que pourrait être le monde en
2100. Cependant, les facteurs affectant les émissions de gaz à effets de serre sont nombreux
et complexes ainsi que le souligne le Rapport spécial de l’IPCC: ‘Future greenhouse gas
emissions are the product of very complex dynamic systems, determined by driving forces
such as demographic development, socio-economic development, and technological change.’
(IPCC, 2000, p3).
143
technologique dans le monde. Ces scénarios sont regroupés en quatre familles, chacune
d’elle pouvant contenir plusieurs groupes de scénarios (tableau 34).
Tableau 34: Aperçu de quelques forces motrices et des émissions de CO2 en 1990, 2020,
2050 et 2100 dans les scénarios du SRES
Famille de scénarios A1 A2 B1 B2
2020 53 56 57 41 53 51
2020 15 16 21 8 21 18
2050 19 36 43 18 30 30
2100 31 65 85 28 52 49
144
Comme on le voit dans le tableau ci-dessus, le scenario A2 décrit un monde futur
dans lequel :
Le scénario B2 est moins pessimiste et décrit un monde où les évolutions sont moins
extrêmes :
― La part de l’énergie non carbonée évolue de 18% du total des énergies primaires en
2020 à près de la moitié (49%) en 2100 ;
― L’émission de dioxyde de carbone (gaz à effet de serre) sera également plus faible
que dans le scénario précédent passant de 28.9 GtC/an à seulement 13.8 GtC/an en
2100.20
20
1 GtC égale 1 gigatonne (1 milliard d tonne de carbone).
145
On exposera successivement les prévisions de températures puis des précipitations.
La période de prévision est 2011-2099. On divisera parfois celle-ci en trois sous-périodes :
2011-2035 ; 2036-2065 et 2066-2099.
a- Scénario A2
12 13 14 15 16 17 18 19 20 21 22
temperature annuelle moyenne
SCENARIO A2
2011 2021 2031 2041 2051 2061 2071 2081 2091 2101
annee
b- Scénario B2
12 13 14 15 16 17 18 19 20 21 22
temperature annuelle moyenne
SCENARIO B2
2011 2021 2031 2041 2051 2061 2071 2081 2091 2101
annee
Figure 50: Prévisions des températures annuelles dans la région d’Oran : 2011-2099
146
Comme attendu, on constate un réchauffement climatique au vu de la tendance
croissante observée sur les figures pour les deux scénarios A2 et B2. La hausse de la
température est de l’ordre de 2.5 à 3 degré pour le scénario A2 à l’horizon 2099. Toutefois,
compte tenu de la plus faible émission de carbone dans le scénario B2, la hausse de la
température sur le long terme est moins prononcée dans ce dernier scénario de l’ordre de
1.5 à 2 degré à l’horizon 2099. Comme le montre le graphe ci-dessous (figure 52) qui
compare les températures moyennes dans les deux scénarios A2 et B2, les différences de
températures entre ces deux scénarios s’accentuent surtout lors de la deuxième demi
période à partir de 2060:
22
Températures moyennes
18 16 20
2011
2021
2031
2041
2051
2061
2071
2081
2091
2101
Années
Temp_moy A2 Temp_moy B2
Figure 51: Comparaison des prévisions de températures moyennes annuelles par scénarios
147
Tableau 36: Prévisions de température par décades et saisons: Scénario B2
Décades Hiver Printemps Eté Automne
1981-2006 13.4 14.5 20.7 19.4
2006-2035 14.2 15.0 21.6 20.3
2036-2065 14.9 15.4 22.3 21.1
2066-2095 15.4 16.1 23.1 22.1
NB : Hiver : DJF ; Printemps : MAM ; Eté : JJA ; Automne : SON
Températures moyennes journalières
0 5 10 15 20 25
1961-2006
2006-2035
2036-2065
2066-2099
1961-2006
2006-2035
2036-2065
2066-2099
1961-2006
2006-2035
2036-2065
2066-2099
1961-2006
2006-2035
2036-2065
2066-2099
1hiver 2printemps 3été 4automne
Scénario A2 Scénario B2
148
a- Scénario A2 b- Scénario B2
28
28
16 18 20 22 24 26
16 18 20 22 24 26
Temperature annuelle maximale
Scénario B2
14
14
12
12
2011 2021 2031 2041 2051 2061 2071 2081 2091 2101 2011 2021 2031 2041 2051 2061 2071 2081 2091 2101
annee annee
a- Scénario A2 b- Scénario B2
18
18
temperature annuelle minimale
16
Scénario A2
Scénario B2
14
14
12
12
10
10
2011 2021 2031 2041 2051 2061 2071 2081 2091 2101 2011 2021 2031 2041 2051 2061 2071 2081 2091 2101
annee annee
Ainsi qu’il apparaît dans ces graphiques, les températures maximales et minimales
suivent une même tendance croissante dans les deux scénarios A2 et B2. Elles montrent un
réchauffement climatique mais avec là encore une accentuation de la hausse des
températures dans le scénario A2 comparativement au scénario B2.
149
2066-2099, les températures extrêmales augmentent d’environ 3 degrés dans le scénario A2
et 2 degrés dans le scénario B2. Ces températures augmentent relativement plus en
automne et à un degré moindre en été que ce soit dans le scénario A2 ou B2.
Les résultats obtenus sont reportés dans les figures 55 a-b pour les scénarios A2 et
B2.
150
Précipitations journalière moyenne par année
a- Scénario A2
.2 .3 .4 .5 .6 .7 .8 .9 1
Scénario A2
2011 2021 2031 2041 2051 2061 2071 2081 2091 2101
annee
Scénario B2
Précipitations journalière moyenne par année
1
.9
.8
Scénario B2
.7
.6
.5
.4
.3
.2
2011 2021 2031 2041 2051 2061 2071 2081 2091 2101
annee
Comme le montre la figure 56, les deux scénarios conduisent à une baisse importante
des précipitations avec, comme attendu, une diminution plus prononcée pour le scénario A2
en fin de période. Ces prévisions de baisse des précipitations sont conformes aux résultats
des études à grande échelle qui ont conclu que les changements climatiques conduisent à
une rareté des précipitations en Afrique du Nord (Arnell, 2004 ; Milly et al., 2005).
151
1.2
1
.8
.6
.4
2010 2020 2030 2040 2050 2060 2070 2080 2090 2100
annee
Scénario B2 Scénario A2
Afin de préciser ces écarts de précipitation, on a décomposé, comme nous l’avons fait
pour les variables de température, la période d’étude en décades avec les résultats donnés
dans les tableaux 39 et 40 suivant les saisons :
Tableau 39: Prévisions des précipitations (mm/j) par décades et saisons: Scénario A2
Décades Hiver Print. Automne
1981-2006 1.21 0.91 1.18
2006-2035 1.10 1.22 0.85
2036-2065 1.03 1.07 0.76
2066-2095 0.84 0.68 0.60
Accroissement (%)
-31% -26% -49%
(2066-2099)/(1981-2006)
Tableau 40: Prévisions des précipitations (mm/j) par décades et saisons: Scénario B2
Décades Hiver Print. Automne
1981-2006 1.21 0.91 1.18
2006-2035 1.15 1.12 0.84
2036-2065 1.06 1.04 0.77
2066-2095 0.95 0.87 0.72
Accroissement (%)
-21% -4% -39%
(2066-2099)/(1981-2006)
152
peut paraître à première vue trop accentuée. Cependant, on peut observer qu’elle rejoint
dans son ensemble les prévisions de précipitations de Wilby pour Tanger dans l’atlas
marocain qui est une région nord-africaine voisine de la wilaya d’Oran. En effet, dans son
étude sur les enjeux du changement climatique en environnement aride, Wilby (2005)
aboutit aux prévisions suivantes de baisse de précipitations pour la région de Tanger :
A2 B2
Décades Hiver Print. Automne Hiver Print. Automne
Accroissement
-10% -39% -36% -1% -30% -20%
(2080s)/(1961-1990)
Une comparaison succincte des résultats obtenus montre que ces deux approches
parviennent à des conclusions convergentes. Comme le montrent les figures 57 a et b ci-
dessous, bien que les projections à l’horizon 2050 par l’approche statistique (Box et Jenkins)
surestiment légèrement les températures et les précipitations, elles prédisent cependant
des écarts de même signe que ceux obtenus par l’approche du downscaling des GCM : les
températures augmenteront dans la wilaya d’Oran et les précipitations baisseront sur
l’horizon de notre prévision. Par ailleurs, les écarts prédits par les deux approches sont
sensiblement du même ordre de grandeur : soit, un accroissement de la température entre
0.5 et 1 degré à l’horizon 2050 comparativement à la période 2000-2010 et une diminution
de la pluviométrie journalière de 0.13 mm sur la même période correspondant à une baisse
mensuelle des précipitations de l’ordre de 4 mm et à une baisse annuelle de 50 mm environ
à l’horizon 2050.
153
a- Températures (degré celsuis) b- Précipitations (mm/j)
19.5
1.2
Précipitations journalières
Températures annuelles
19
1.1
18.5
1
18
.9
17.5
.8
17
.7
2010 2020 2030 2040 2050 2010 2020 2030 2040 2050
annee annee
Snénario A2 Scénario B2 Scénario A2 Scénario B2
Box_Jenkins Box Jekins
Une des conséquences les plus immédiates de cette évolution à la baisse des
précipitations sera une moindre disponibilité dans la région d’Oran des ressources pour le
secteur de l’agriculture pour les décennies futures. De même, la hausse des températures
accroit l’évapotranspiration entraînant durant les décennies à venir une plus grande
demande de la ressource hydrique.
154
CHAPITRE 4. L’IMPACT DU
CHANGEMENT CLIMATIQUE SUR LE
SYSTEME HYDROLOGIQUE ET SON
ATTENUATION
155
INTRODUCTION
― L’analyse jusque-là a été menée sur la base d’un modèle hydrologique simple de
pluie-débit où le fractionnement des pluies entre le ruissellement de surface et la
percolation profonde était donné de façon exogène. Nous intégrons dans ce chapitre
nos résultats sur le changement climatique dans un modèle hydrologique plus riche
(un modèle à deux réservoirs) qui permet de mieux rendre compte des processus
hydrologiques en cours dans les bassins versants.
156
4.1. PRESENTATION DU MODELE PLUIE-DEBIT (SOIL
MOISTURE) UTILISE
Ruissellement de surface
Percolation profonde
Ce système hydrologique est ainsi régi par une équation simple (Cf. équations 18 et 19 ci-dessus):
157
Nous avons dû utiliser ce modèle précédemment car il nous permettait d’introduire
différents scénarios comme les variantes sur les techniques d’irrigation ou les pertes dans les
liaisons de transmission.
― et la couche profonde (zone profonde) qui reçoit l’écoulement de l’eau sous forme
de percolation profonde. Cette zone alimente les nappes sous-terraines et détermine
leur recharge.
Chacune des deux zones est considérée comme un réservoir d’eau. La figure 59
suivante présente la structure du modèle et montre ainsi ses différences avec le modèle
simple représenté dans la figure précédente:
158
Figure 59 : Structure du modèle pluie-débit à deux réservoirs utilisé
Source : Yates et al. (1995)
159
ܶܧdéfinie ci-dessous, du ruissellement de surface ܴ݂݂ܵ, de l’écoulement latéral et de la
percolation profonde (Cf figure 59):
Les spécifications suivantes sont retenues dans le modèle WEAP que nous détaillons ci-
après.
ହ௭భିଶ௭భమ
ܶܧ = ݇ ቂܲܶܧ. ቀ ଷ
ቁቃ Équation 39
ா்
Ainsi, le rapport de l’évaporation effective à l’évaporation potentielle est une
ா்
forme non linéaire du contenu en humidité du sous-sol ݖଵ. Au-delà du facteur cultural ݇, on
a reproduit ci-dessous (figure 60) la courbe croissante représentative de cette fonction (où
on a posé ݇ = 1) :
160
1
0,4
0,3
0,2
0,1
0
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0,5
0,55
0,6
0,65
0,7
0,75
0,8
0,85
0,9
0,95
1
Contenu en humidité du sous sol z1 (en % de la capacité totale)
Le ruissellement de surface (ܴܵ )݊ݑest formalisé dans le modèle WEAP comme une
fraction des précipitations effectives. Cette fraction dépend positivement du contenu en
humidité de la couche superficielle ݖଵ et d’un paramètre ܴܴ ܨcompris entre 0 et 1, appelé
Facteur de Résistance au Ruissellement. Ce facteur dépend de la nature de la surface du sol,
de sa topographie, de son couvert végétal. Une valeur élevée de ce facteur signifie un
moindre ruissellement superficiel :
161
L’écoulement latéral dépend aussi d’un troisième paramètre ݂ qui détermine le
partitionnement de l’eau entre les directions horizontales et verticales. Ce paramètre
dépend de la nature du sol et de sa topographie.
En insérant les relations (30), (40) et (41) de l’écoulement de l’eau dans l’équation (38),
on obtient l’équation (42) qui donne l’expression de la variation du volume d’eau dans la
couche superficielle qui emmagasine l’humidité de l’eau :
ହ௭భିଶ௭భమ
ܴ. ݀ݖଵ = ܲ݅ܿ݁ݎ − ݇ ቂܲܶܧ. ቀ ቁቃ− ݖோோி ܲ݅ܿ݁ݎ − ݂. ݇ଵ. ݖଵଶ − (1 − ݂). ݇ଵ. ݖଵଶ
ଷ
Équation 42
Les flux sortant du réservoir sont l’écoulement latéral (base flow) issu de ce réservoir
(cf figure 59). Comme pour le premier réservoir, ces flux sont supposés dépendre
positivement d’un paramètre de conductivité de la couche terrestre profonde ݇ଶ ainsi que
de la hauteur du niveau d’eau dans le réservoir ݖଶ , soit ݇ଶ. ݖଶଶ.
La différence entre ces deux termes (1 − ݂). ݇ଵ. ݖଵଶ − ݇ଶ. ݖଶଶ représente la recharge
de la nappe (deuxième réservoir).
162
Cependant, à ces deux flux, nous adjoindrons un troisième flux (sortant) représentant
l’exploitation des nappes souterraines pour les besoins de l’agriculture : ݐ݈݅ݔܧ
Au total, les deux équations (42) et (43) forment un modèle de pluie-débit (rainfall-
runoff) dont la résolution détermine la dynamique de l’hydrosystème représenté dans la
figure (59) :
ହ௭భିଶ௭భమ
ܴ. ݀ݖଵ = ܲ݅ܿ݁ݎ − ݇ ቂܲܶܧ. ቀ ቁቃ− ݖோோி ܲ݅ܿ݁ݎ − ݂. ݇ଵ. ݖଵଶ − (1 − ݂). ݇ଵ. ݖଵଶ
൝ ଷ
ܵ. ݀ݖଶ = (1 − ݂). ݇ଵ. ݖଵଶ − ݇ଶ. ݖଶଶ − ݈݅ݔܧ
Équation 44
La résolution de ce modèle qui donne le niveau relatif de l’eau ݖଵ dans le premier réservoir
représentant le contenu en humidité de la zone des racines sujette à l’évapotranspiration et
le niveau ݖଶ du deuxième réservoir représentant le niveau des nappes souterraines, dépend
de plusieurs variables et paramètres :
― L’évapotranspiration potentielle ;
Ce modèle est incorporé dans WEAP sous la forme de modèle du ‘soil-moisture’. Nous
appliquerons ce modèle dans la suite pour chacun des bassins versants de Aïn-Turck,
163
Brédéah, Tafraoui et le Murdjadjo pour déterminer la réponse de ces bassins versants à un
changement climatique. Nous adjoindrons à ce modèle une liaison de transmission (nappes-
surface terrestre) pour intégrer l’exploitation des nappes souterraines pour l’irrigation d’une
partie des sous bassins versants et nous nous intéresserons plus particulièrement à
l’évolution du niveau des nappes sous-terraines.
164
4.2. LES CANAUX D’IMPACT DE LA SPHERE
CLIMATOLOGIQUE SUR L’HYDROLOGIE DU SYSTEME
Après avoir décrit les équations du modèle qui régissent la recharge de la couche
profonde, on s’interroge pour savoir par quel canal le changement climatique que nous
avons mis en évidence durant le chapitre précédent affecte l’évolution du système
hydrologique décrit ci-dessus.
Thornthwaite (1948) relie l’ܲܶܧே (ETP non ajustée) à la température par : ܲܶܧே = ܿݐ
où ݐest la température moyenne annuelle de l’air. Toutefois, les coefficients ܿ et ܽ varient
selon le climat. Un indice de chaleur annuel est introduit ∑ =ܬ
(ݐ/ 5)
ଵ.ହଵସ
de sorte que
l’ܲܶܧே est alors :
Finalement, cette équation est ajustée pour tenir compte du nombre de jours par mois ܰ
ainsi que de la durée moyenne d’ensoleillement ܵ dépendante des saisons et de la
latitude pour obtenir l’ETP de Thornwaite :
L’ETP annuelle est alors calculée comme la somme des 12 ETP mensuelles.
Toutefois, l’approche de Thornwaite sous-estime l’ETP dans les climats secs et les
saisons sèches et surestime celle-ci dans les régions humides (Mathe et Ambroziak, 1986;
Kafle and Bruins, 2009). En particulier, dans la région semi-aride de Djelfa en Algérie, après
avoir comparé les résultats de cinq méthodes de calcul de l’ETP, Bouteldjaoui et al. (2012)
165
montrent que l’approche de Thornthwaite sous-estime significativement l’évaporation
potentielle dans cette région.
݀ܶܧௗ = ߔ ௧݀ݐ+ ߔ ݀ܲ
avec :
ௗ ௗ ଵ௧
ߔ ௧ = ்ܲܶܧ ቂௗ௧ ቀௗ ݃ܮ
− ቁ+ ௧ቃ Équation 48
ߔ = − 0.428 Équation 49
Cette modification de l’ETP par suite d’un changement climatique va à son tour
affecter l’évolution du système hydrologique comme cela apparaît dans l’équation 44.
166
4.3. IMPACT DES CHANGEMENTS CLIMATIQUES : SIMULATIONS
La seconde question que nous traiterons dans cette section a trait à l’atténuation de
ces impacts du changement climatique sur le système hydrologique de la wilaya. Dans ce
contexte, nous montrerons que la faible densité du réseau hydrographique de la région
d’Oran ajoutée à une aggravation de la faiblesse des précipitations projetées ne permet pas
d’envisager une solution de long terme basée uniquement sur les ressources
conventionnelles. Nous étudierons comment un apport de ressources par le biais du
traitement et de la purification des eaux rejetées par les différents sites du système permet
d’atténuer l’impact négatif du changement climatique et notamment de préserver les
nappes souterraines de leur surexploitation sur l’horizon de la prévision.
167
4.3.1. UN RAPPEL DE LA SITUATION PROSPECTIVE SANS
CHANGEMENT CLIMATIQUE
Dans le contexte d’un climat stationnaire, nous avons montré que les pressions sur les
ressources seront assez fortes du fait notamment de la nécessité d’accroitre la superficie des
surfaces irriguées pour répondre à l’accroissement démographique.
220
200 TAFRAOUI\irrigue
180
160
140
120
100
80
60
40
20
0
2014 2016 2018 2020 2022 2024 2026 2028 2030 2032 2034 2036 2038 2040 2042 2044 2046 2048 2050
Certes, l’introduction de méthodes d’irrigation plus efficientes induit une réduction des
prélèvements d’eau du fait de moindres pertes (-17.6 millions de m3 en 2050) dans les
différentes liaisons de transmission. Par ailleurs, la construction d’infrastructures permet la
mobilisation de ressources supplémentaires d’eau issue du ruissellement de surface (1.7
millions de m3 par an) qui allège la pression sur l’exploitation des nappes dans les unités
hydrologiques du côtier de Aïn-Turck et du Murdjadjo.
168
différents secteurs n’empêchent pas pour autant l’existence d’une pression importante sur
les nappes sous-terraines. Ainsi, l’exploitation pour certaines nappes reste très élevée à
l’image de Brédeah dont le taux d’exploitation est de plus de 227%.
Parallèlement à cet impact sur les besoins en eau requis par le secteur agricole
(demande d’évapotranspiration par les plantes), la baisse des précipitations conduit à une
réduction de l’offre d’évapotranspiration due à la baisse des précipitations effectives.
Ces deux facteurs qui tendent à accroitre les besoins en eau du secteur agricole et à
réduire les précipitations effectives se traduisent par une augmentation accrue de la
demande en eau du secteur agricole.
169
Demande en eau (sans pertes, recycl., GSD)
95 Neutre (soil moisture)
90 scenarioA2
85 scenarioB2
80
75
Million Mètre cube
70
65
60
55
50
45
40
35
30
25
2010 2012 2015 2018 2021 2024 2027 2030 2033 2036 2039 2042 2045 2048
Figure 62 : Changement climatique et évolution de la demande en eau de
l’agriculture
La différence entre les deux scénarios de changement climatique peut sembler faible
mais en réalité la différence entre les variations climatiques dans ces deux scénarios est
170
beaucoup plus nette surtout en fin de période de prévision et surtout dans la période hors
de notre étude 2050-2099 (Cf. figure 51 et figure 56).
Dans ce cadre, le tableau suivant 42 présente le taux d’exploitation des nappes sous
les scénarios A2 et B2 et révèle le surcroît d’exploitation que le changement climatique
induit dans chacune des unités hydrogéologiques.
Tableau 42 : Evolution du taux d’exploitation des nappes souterraines par
scénario : 2020-2050
171
En effet, dans le meilleur des scénarios que nous avons jusque-là considéré, un
volume considérable d’eau généré à la fois par les ménages, les collectivités et l’industrie
sera dirigé vers les stations d'épuration des eaux usées mais rejetés dans des réceptacles
naturels comme le bassin de Sebkha ou la mer. La figure suivante illustre cette situation en
montrant que ce volume atteint 108 millions de m3 en 2030 et plus de 160 millions de m3 en
2050.
Figure 63 : Evolution du volume d’eau traité par la STEP : 2017
120
Million Mètre cube
100
80
60
40
20
2017 2020 2023 2026 2029 2032 2035 2038 2041 2044 2047 2050
Toutefois, en 2030, seule une faible partie de ce volume est utilisé dans l’hydrosystème,
pour alimenter l’industrie. En 2050, plus de 70 millions de m3 d’eau traité seront rejetés vers
la mer (tableau 43) :
La solution adéquate à long terme ne peut résider que dans le recours à l'irrigation par
l'eau traitée par les stations d'épuration des eaux usées. Cette orientation de la politique de
l'eau dans la région d'Oran améliorera non seulement la qualité de l'eau, mais substituera
172
également les prélèvements d'eaux souterraines par les ressources des stations d'épuration
des eaux usées, ce qui atténuera la pression sur les aquifères actuellement exploités de
manière excessive. Dans cette nouvelle politique, la station de traitement des eaux usées
devient le site focal permettant d'intégrer le secteur agricole au reste du système
hydrologique de la région.
`
# #
` # #
#
#
# #
#
#
#
#
#
#
# #
#
#
%
%
` %
%
#
`
173
Tableau 44 : Différence de prélèvement après Intégration de la STEP –
(millions de m3)
B2 A2
2025 2035 2050 2025 2035 2050
Bredéah 18.87 25.95 13.73 20.56 28.20 12.14
Tafraoui 0.12 0.17 0.28 0.14 0.19 0.29
174
― Quatrièmement, dans les unités hydrologiques de Bredéah et Tafraoui, la priorité de
l'offre sera donnée, dans les limites de l'exploitation normale, aux eaux souterraines
par rapport à la station d'épuration, car la production d'eau non conventionnelle
coûte chère.
35
30
25
20
15
10
5
0
2017 2020 2023 2026 2029 2032 2035 2038 2041 2044 2047 2050
Figure 65 : Evolution des rejets vers la mer des eaux de la STEP – 2017-2050
Aussi, dans une seconde étape, on détermine le taux de croissance requis des superficies
agricoles irriguées dans les unités hydrogéologiques desservies par la STEP qui annule à long
terme ces rejets.
Les simulations réalisées une à une montrent que ces rejets vers la mer peuvent être utilisés
pour faire croitre la superficie irriguée de Brédéah de 4.8% entre 2017 et 2030 suivi d’une
croissance de 3% durant les décennies 2030-2050 ainsi que pour irriguer la quasi-totalité des
175
7400 ha de Tafraoui. Avec cette évolution de la superficie irriguée réalisée grâce au
traitement et la réutilisation des eaux rejetées par le secteur des ménages, des collectivités
et de l’industrie, les rejets de la STEP finissent par s’annuler comme le montre la figure 66
avec un taux de recouvrement des sites de demande reliés à la STEP de 100% permettant le
renouveler les ressources souterraines (figure 67).
Débit de liaison de retour
Débit de retour: Débit de retour depuis STEP. vers MER scenarioA2
24,0 scenarioB2
22,0
20,0
18,0
Million Mètre cube
16,0
14,0
12,0
10,0
8,0
6,0
4,0
2,0
0,0
2017 2019 2021 2023 2025 2027 2029 2031 2033 2035 2037 2039 2041 2043 2045 2047 2049
100
95
90
85
80
Pourcent
75
70
65
60
55
50
45
2017 2019 2021 2023 2025 2027 2029 2031 2033 2035 2037 2039 2041 2043 2045 2047 2049
176
CONCLUSION GENERALE
― Du côté de la demande, les besoins en eau des ménages. des services publics et de
l’industrie ont été formalisés dans un cadre simple faisant intervenir des variables
que nous avons construites comme l’évolution démographique, l’évolution des
besoins unitaires en eau liée à l’amélioration du niveau de vie de la population ainsi
que des économies en eau que le secteur de l’industrie est appelé à réaliser.
― Les besoins d’irrigation de l’agriculture ont été projetés à l’aide du modèle ܶܧܭ de
la FAO faisant intervenir l’évapotranspiration de référence ܶܧ et les coefficients
culturaux ܭ .
― Du côté de la mobilisation des ressources en eau, nous avons utilisé un modèle pluie-
débit à double réservoirs incorporé dans le logiciel WEAP qui nous a permis de
déterminer le ruissellement de surface issu des précipitations, les écoulements
latéraux et la percolation profonde alimentant les nappes souterraines.
o Une prévision climatique dans une approche purement statistique reposant sur
les propriétés des processus temporels ARMA,
177
o Une prévision alternative faisant intervenir les processus hydrologiques
physiques à travers la réduction des résultats du modèle de circulation globale
HadCm3 à l’échelle de la région d’Oran.
Les différents résultats que nous avons obtenu nous ont permis de conclure que :
― Le changement climatique aggravera ce déficit. Nous avons présenté à cet égard les
modèles climatiques, leur origine et les effets qu’exerce l’émission de CO2 en termes
d’accentuation de l’effet de serre naturel. Ce changement climatique se traduira par
une hausse de la température entre 0.5 et 1 degré à l’horizon 2050,
comparativement à la période 2000-2010, et une diminution de la pluviométrie
journalière de 0.13 mm sur la même période correspondant à une baisse annuelle
d’environ 50mm à l’horizon 2050.
Les conséquences sur le secteur de l’agriculture sont significatives. Nous avons tenté
de montrer que l’évolution de ces deux variables climatiques conduira à une hausse
de l’évapotranspiration potentielle. Dès lors, sans mesures d’atténuation, la
surexploitation des nappes s’aggravera faisant passer le taux global d’exploitation des
nappes à 154% à l’horizon 2050 sous le scénario de changement climatique A2 du
SRES.
Les mesures de gestion prospective des ressources en eaux susceptibles d’être prises ont été
formalisées sous forme de scénarios alternatifs. On a distingué les actions conduisant à :
178
― La réduction du rythme d’augmentation de la demande. Dans ce cadre, on a simulé
une réduction des taux de pertes de liaisons de 20 à 10% ainsi qu’une amélioration
de l’efficience du système d’irrigation passant de 70% à 90% en 2050.
C’est pourquoi, une politique de l’eau dans la région d’Oran ne peut être soutenable si elle
ne traite pas du principal handicap de la région qui est la segmentation de son système
hydrique où la déconnexion du secteur agricole du reste du système entraîne une
surexploitation de certains aquifères. La mise en place de STEP permettant de traiter aux fins
d’irrigation les eaux résiduelles du secteur des ménages et des collectivités est la voie
recommandée permettant le recouvrement d’un caractère intégré du système hydrique de
la région. Ce travail a permis de présenter cette perspective, sur laquelle les autorités de la
wilaya s’engagent progressivement, d’une façon précise en chiffrant ses incidences et de
montrer qu’elle permet non seulement de préserver les ressources souterraines mais aussi
d’être un vecteur de développement économique par le surcroit de croissance qu’elle
permet de donner au secteur agricole à travers l’extension de ses surfaces irriguées.
Enfin, on peut signaler qu’au moins deux perspectives de recherche peuvent être
donnés à notre travail :
Notre étude s’est limitée à la région d’Oran. Aussi une des perspectives qui peut être
apportée est son extension à d’autres zones du pays possédant des climat différents de la
région d’Oran comme les hauts plateaux et le sud, non seulement pour une meilleure
179
connaissance des effets des changements climatiques sur le territoire nationale mais
également pour déterminer les mesures spécifiques à prendre en vue de leur atténuation.
180
BIBLIOGRAPHIE
Abdel-Fattah, S. L. (2012). DownScaling the Great Lakes: Techniques for Adaptive
Policy (Doctoral dissertation),Mc Master University – Civil Engineering.
Abed, S., Senouci, M., Haouari, M. & Zoheir, T. (2011). Information sheet on future climate
and impacts in the coastal case studies: Gulf of Oran, Algeria. CIRCE.
Ahmadi, A., Moridi, A., Lafdani, E. K., & Kianpisheh, G. (2014).Assessment of climate
change impacts on rainfall using large scale climate variables and downscaling models–A
case study. Journal of Earth System Science, 123(7), 1603-1618.
Agence Nationale des Ressources Hydrauliques, réalisation de carte des ressources en eau
souterraines du Nord de l’Algérie -2009.
Ardoin-Bardin, SAND. R. A., Dezetter, A. L. A. I. N., Servat, E., Dieulin, C., Casenave, L.,
Niel, H. É. L. È. N. E., ...&Mahé, G. (2006). Application de scénarii climatiques en
modélisation hydrologique: utilisation des sorties GCM. Climate Variability and Change—
Hydrological Impacts.
Arnell, N. (2004) Climate change and global water resources: SRES emissions and socio-
economic scenarios. Global Environ. Change 14, 31–52.
Blaney H. F and Criddle, W.D. Determining water requirements in irrigated areas from
climatological and irrigation data, US Department of Agriculture, Soil Conservation Service,
Washington DC, 1950.
Bony, S., Colman, R., Kattsov, V. M., Allan, R. P., Bretherton, C. S., Dufresne, J. L., ... &
Webb, M. J. (2006). How well do we understand and evaluate climate change feedback
processes?.Journal of Climate, 19(15), 3445-3482.
181
Bouklia-Hassane, R., Yebdri, D., & Tidjani, A. E. B. (2016). Prospects for a larger integration
of the water resources system using WEAP model: a case study of Oran
province. Desalination and Water Treatment, 57(13), 5971-5980.
Bouklia-Hassane, R., Yebdri, D., & Tidjani, A. E. B. (2017). Climate change and water
resources management of Oran region. Journal of Water and Climate Change, jwc 2016037.
Bouklia Hassane R. (2012), Contribution à la gestion de l'eau dans la ville d'Oran. Magistere
thesis, Department of Hydraulics, USTO. 121p.
Bouteldjaoui F., Bessenasse M., Guendouz A. (2012). Etude comparative des différentes
méthodes d'estimation de l'évapotranspiration en zone semi-aride (cas de la région de Djelfa).
Nature & Technologie. 07/06, 109-116
Box, G. E., & Jenkins, G. M. (1976). Time series analysis: forecasting and control, revised
ed. Holden-Day.
Cornell, S. E., Prentice, I. C., House, J. I., & Downy, C. J. (Eds.). (2012). Understanding the
earth system: global change science for application. Cambridge University Press.
Daithi A.S & R. Knutti (2011),’Weather and Climate’, in F. Fung, A. Lopez & Mark (Ed)
‘New Modelling the Impact of Climate Change on Water Resources’, Blackwell Publishing
Ltd.
Dalhuisen, J. M., Florax, R. J., de Groot, H. L., & Nijkamp, P. (2001). Price and Income
Elasticities of Residential Water Demand: Why Empirical Estimates differ. Tinbergen
Institute Discussion Paper 01-057/3.
Drouiche, N., Ghaffour, N., Naceur, M. W., Lounici, H., & Drouiche, M. (2012). Towards
sustainable water management in Algeria. Desalination and Water Treatment, 50(1-3), 272-
284.
Destane N.G., ‘Effective rainfall in irrigated agriculture’ - FAO Irrigation and drainage paper
1978.Musy A, ‘Hydrologie Appliquée’, Edition H.G.A. 1998.
182
FAO, ‘Irrigation Water Management: Irrigation Water Needs’ Chapitre III – 1986
http://www.fao.org/docrep/S2022E/S2022E00.htm
Fung F., A. Lopez & M. (2011) (Ed), New Modelling the Impact of Climate Change on Water
Resources, Blackwell Publishing Ltd, John Wiley & Sons, West Sussex,, UK
GIEC, (2007). Bilan 2007 des changements climatiques. Contribution des Groupes de travail
I, II et III au quatrième Rapport d’évaluation du Groupe d’experts intergouvernemental sur
l’évolution du climat (Ed. Pachauri, R.K. et Reisinger, A.) Genève 2, Suisse.
Goody, R. M., & Yung, Y. L. (1995). Atmospheric radiation: theoretical basis. Oxford
University Press.
Goosse H., P.Y. Barriat, W. Lefebvre, M.F. Loutre and V. Zunz, (2010).Introduction to
climate dynamics and climate modeling. Online textbook available at
http://www.climate.be/textbook.
Gordon, C., C. Cooper, C.A. Senior, H.T. Banks, J.M. Gregory, T.C. Johns, J.F.B. Mitchell
and R.A. Wood, 2000. The simulation of SST, sea ice extents and ocean heat transports in a
version of the Hadley Centre coupled model without flux adjustments. Clim. Dyn., 16, 147-
168.
Grigg, N. S. (2008). Integrated water resources management: balancing views and improving
practice. Water International, 33(3), 279-292.
Hamlat, A., Errih, M., &Guidoum, A. (2013). Simulation of water resources management
scenarios in western Algeria watersheds using WEAP model. Arabian Journal of Geosciences,
6(7), 2225-2236.
Held, I. M. & Soden, B. J., (2000). Water vapor feedback and global warming. Annu. Rev.
Energy Environ. 25, 441–75.
Hessami, M., Gachon, P., Ouarda, T. B., & St-Hilaire, A. (2008).Automated regression-based
statistical downscaling tool. Environmental Modelling& Software, 23(6), 813-834)
Hipel, K. W., McLeod, A. I., & Lennox, W. C. (1977). Advances in Box-Jenkins modeling: 1.
Model construction. Water Resources Research, 13(3), 567-575.
Hulme, M., Doherty, R., Ngara, T., New, M., & Lister, D. (2001). African climate change:
1900-2100. Climate research, 17(2), 145-168.
Hulme, M., Marsh, R., & Jones, P. D. (1992). Global changes in a humidity index between
1931-60 and 1961-90. Climate Research (CR), 2(1), 1-22.
183
IPCC (2013), Summary for Policymakers. In: Climate Change 2013: The Physical Science
Basis. Contribution of Working Group I to the Fifth Assessment Report of the
Intergovernmental Panel on Climate Change [Stocker, T.F., D. Qin, G.-K. Plattner, M.
Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P.M. Midgley (eds.)].
Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
Kafle, H. K., & Bruins, H. J. (2009). Climatic trends in Israël 1970–2002: warmer and
increasing aridity inland. Climatic Change, 96(1-2), 63-77.
Kalnay, E., Kanamitsu, M., Kistler, R., Collins, W., Deaven, D., Gandin, L., ...& Zhu, Y.
(1996). The NCEP/NCAR 40-year reanalysis project. Bulletin of the American
meteorological Society, 77(3), 437-471.
Kamel, A. M., Ali, A. M., et Sayad, T. A. (2016), Study The Impact Of Climate Change On
Maximum And Minimum Temperature Over Alexandria, Egypt Using Statistical Downscaling
Model (SDSM) Journal of Advanced Research, V3-8 p 694-712
Kaper, H., &Engler, H. (2013).Mathematics and climate. Society for Industrial and Applied
Mathematics (Siam), Philadelphia.
Karsili, C. (2013). Calculation of past and present water availability in the Mediterranean
region and future estimates according to the Thornthwaite water-balance model. Thesis,
Department of Physical Geography and Ecosystems Science, Lund University
Kellogg, W. W., & Schneider, S. H. (1974). Climate stabilization: For better or for worse?
Science, 186(4170), 1163-1172.
Khatri, K. B., & Vairavamoorthy, K. (2009). Water demand forecasting for the city of the
future against the uncertainties and the global change pressures: case of Birmingham.
In World Environmental and Water Resources Congress: Great Rivers (pp. 1-15).
Kiehl, J. T., & Trenberth, K. E. (1997). Earth's annual global mean energy budget. Bulletin
of the American Meteorological Society, 78(2), 197-208.
Manabe, S., &Wetherald, R. T. (1980). On the distribution of climate change resulting from
an increase in CO2 content of the atmosphere. Journal of the Atmospheric Sciences, 37(1),
99-118.
184
Maraun, D., Wetterhall, F., Ireson, A. M., Chandler, R. E., Kendon, E. J., Widmann, M.,
...&Venema, V. K. C. (2010). Precipitation downscaling under climate change: Recent
developments to bridge the gap between dynamical models and the end user. Reviews of
Geophysics, 48(3).
Ministère des ressources en eau (2008). Etude d’actualisation du Plan National de l’Eau en
Algérie, Alger.
Momani, P. E. (2009). Time Series Analysis Model for Rainfall Data in Jordan: Case Study
for Using Time Series Analysis. American Journal of Environmental Sciences, 5(5).
National Office of Statistics, Results of the General Census of Population and Habitat 2008,
ONS, Algiers, 2009.
185
Pachauri, R. K., & Reisinger, A. (Eds.). (2007). Climate Change 2007 Synthesis Report:
Summary for Policymakers. Intergovernmental Panel on Climate Change Secretariat.
Parry, M., Canziani,O., Palutikif, J., van der Linden, P., Hanson, C. (Ed.). (2007). Climate
change 2007-Impacts, Adaptation and Vulnerability: Working group II contribution to the
fourth assessment report of the IPCC. Cambridge University Press.
Peixdto, J. P., &Oort, A. H. (1992). Physics of climate. American institute of physics, New
York.
Rifai, N., Khattabi, A., &Rhazi, L. (2015). Impact du changement climatique sur les
températures journalières minimales et maximales et les précipitations de la région de
Tanger (nord-ouest du Maroc) quantifié à partir d’une méthode de descente d’échelle
statistique. VertigO-la revue électronique en sciences de l'environnement, 14(3).
Statement of the daily consumption of water, Hydraulic Department of Oran region, 2011.
Soden, B. J., & Held, I. M. (2006). An assessment of climate feedbacks in coupled ocean-
atmosphere models. Journal of Climate, 19(14), 3354-3360.
186
Thornthwaite, C. W. (1948). An approach toward a rational classification of
climate.Geographical review, 38(1), 55-94.
Trenberth, K.E. (Ed) (1992). Climate System Modeling. Cambridge University Press.
Tsakiris, G., Pangalou, D., & Vangelis, H. (2007). Regional drought assessment based on the
Reconnaissance Drought Index (RDI). Water resources management, 21(5), 821-833.
Tubiello, F. N., & Fischer, G. (2007).Reducing climate change impacts on agriculture: Global
and regional effects of mitigation, 2000–2080.Technological Forecasting and Social Change,
74(7), 1030-1056.
UNEP (1997), World atlas of desertification, (Ed. by Middleton N, Thomas D, Arnold E.),
London.
Varis O, Kajander T, Lemmelä, R., 2004. Climate and water: from climate models to water
resources management and vice versa. Clim Change 66, 321–344
Wilby, R. L., & Dawson, C. W. (2007).SDSM 4.2-A decision support tool for the assessment
of regional climate change impacts, Version 4.2 User Manual. Lancaster University:
Lancaster/Environment Agency of England and Wales.
Wilby, R. L. (2005). Constructing wet season precipitation scenarios for a site in the Anti
Atlas Mountains, Morocco. In Proc. Conf. on Optimizing Land and Water Resources in Arid
Environments.
Wilby, R. L., Dawson, C. W., & Barrow, E. M. (2002).SDSM—a decision support tool for the
assessment of regional climate change impacts. Environmental Modelling & Software, 17(2),
145-157.
Wilby, R. L., Charles, S. P., Zorita, E., Timbal, B., Whetton, P., &Mearns, L. O.
(2004).Guidelines for use of climate scenarios developed from statistical downscaling
methods. Supporting material of the Intergovernmental Panel on Climate Change, available
from the DDC of IPCC TGCIA, 27.
Xu, C. Y., Widén, E., &Halldin, S. (2005). Modelling hydrological consequences of climate
change—progress and challenges. Advances in Atmospheric Sciences, 22(6), 789-797.
187
Yates, D. N. (1996).WatBal: An integrated water balance model for climate impact
assessment of river basin runoff. International Journal of Water
ResourcesDevelopment, 12(2), 121-140.
Yebdri D., Errih, M., Hamlet, A., &Tidjani, A. E. B. (2007).The water resources management
study of the Wadi Tafna Basin (Algeria) using the SWAT model. African Water J, 1(1), 36-50.
188